使用pd.cut进行二值化

Question

我是ML世界的新手，我正在尝试学习预处理。

我有一个结果数据，它有四种类型的输入:0、1、2、3、4

0表示无疾病，1 ~ 4表示不同类型的疾病。

我希望将它们二值化成两个:0代表"无病";以及那些1-4"有疾病"的人

我代码:

binarize_outcome['Outcome']=pd.cut(outcome_variable['Outcome'], bins=[0,1,4], labels=["no heart disease","heart diseases"])
binarize_outcome

输出:

0                                                        NaN
1                                           no heart disease
2                                           no heart disease
3                                                        NaN
4                                                        NaN
...                        
299                                         no heart disease
300                                         no heart disease
301                                         no heart disease
302                                                      NaN
Outcome    0                   NaN
1        heart disease...
Name: Outcome, Length: 304, dtype: object

正如您所看到的，这不是我期望的输出，因为我的代码将0标记为NaN，其余的标记错误。

希望你能帮我解决这个问题。

提前感谢，艺术

Answer 1

您的条件是二进制的，所以您可以从numpy中使用np.where:

>>> import numpy as np
>>> df
Type
0      2
1      2
2      3
3      0
4      2
..   ...
95     2
96     4
97     0
98     0
99     1
[100 rows x 2 columns]
>>> df["Outcome"] = np.where(df == 0, "no heart disease", "heart disease")
>>> df
Type           Outcome
0      2     heart disease
1      2     heart disease
2      3     heart disease
3      0  no heart disease
4      2     heart disease
..   ...               ...
95     2     heart disease
96     4     heart disease
97     0  no heart disease
98     0  no heart disease
99     1     heart disease
[100 rows x 2 columns]

或与pd.cut从pandas:

>>> df["Outcome"] = pd.cut(df["Type"], [0, 0.9999999, 4],
labels=["no heart disease", "heart disease"],
include_lowest=True)
>>> df
Type           Outcome
0      2     heart disease
1      2     heart disease
2      3     heart disease
3      0  no heart disease
4      2     heart disease
..   ...               ...
95     2     heart disease
96     4     heart disease
97     0  no heart disease
98     0  no heart disease
99     1     heart disease
[100 rows x 2 columns]

与pd.IntervalIndex.from_breaks:

结果相同

>>> interval = pd.IntervalIndex.from_breaks([0, 1, 5], closed="left")
>>> df["Outcome"] = pd.cut(df["Type"], interval, include_lowest=True) 
.cat.rename_categories(["no heart disease", "heart disease"])