R中有一个很好的解决方案。
我的df.column样子：
df.column
Windows Windows Mac Mac Mac Linux Windows ...
我想在此df.column向量中将低频类别替换为“其他” 。例如，我需要让我df.column看起来像
Windows Windows Mac Mac Mac Linux -> Other Windows ...
我想重命名这些稀有类别，以减少回归中的因素数量。这就是为什么我需要原始向量。在python中，运行命令以获取频率表后，我得到：
pd.value_counts(df.column) Windows 26083 iOS 19711 Android 13077 Macintosh 5799 Chrome OS 347 Linux 285 Windows Phone 167 (not set) 22 BlackBerry 11
我想知道是否有一种方法可以将“ Chrome OS”，“ Linux”（低频数据）重命名为另一个类别（例如，“其他”类别），并以一种有效的方式进行重命名。
通过找到占用百分比来遮罩，即：
series = pd.value_counts(df.column) mask = (series/series.sum() * 100).lt(1) # To replace df['column'] use np.where I.e df['column'] = np.where(df['column'].isin(series[mask].index),'Other',df['column'])
要使用sum更改索引：
new = series[~mask] new['Other'] = series[mask].sum() Windows 26083 iOS 19711 Android 13077 Macintosh 5799 Other 832 Name: 1, dtype: int64
如果要替换索引，则：
series.index = np.where(series.index.isin(series[mask].index),'Other',series.index) Windows 26083 iOS 19711 Android 13077 Macintosh 5799 Other 347 Other 285 Other 167 Other 22 Other 11 Name: 1, dtype: int64
说明
(series/series.sum() * 100) # This will give you the percentage i.e Windows 39.820158 iOS 30.092211 Android 19.964276 Macintosh 8.853165 Chrome OS 0.529755 Linux 0.435101 Windows Phone 0.254954 (not set) 0.033587 BlackBerry 0.016793 Name: 1, dtype: float64
.lt(1)等于小于1。这会根据该掩码索引为您提供一个布尔掩码并分配数据
.lt(1)
