(Pyhon)文字列を数値ベクトルに変換する方法

Question

Pythonで文字列を数値ベクトルに変換する方法が分かりません。例えばA → 2, 4, 6, 8, 10というように文字を数値ベクトルに変換したいです。replace関数でA → 2の１次元変換はできましたが、多次元への変換はできませんでした。

（追記）
質問文が分かりづらく大変恐縮です。下記のようにGやA（アルファベット大文字）を[2,4,6,8,10]などの5次元の数値ベクトルに変換したいのですが、replaceではエラーが出てしましました。上手く変換できればデータセットの[G,G,G,G]が5×4の数値行列、もしくは１次元にして1×20の行列になるイメージです

dataset = pd.read_csv('X.csv', index_col=0, header=0)
print(dataset)

###
   1  2  3  4
1  G  G  G  G
2  G  G  A  A


dataset.replace = dataset.replace('G',2).replace('A', 3)
df = pd.DataFrame(dataset.replace)
print(df)

###
   1  2  3  4
1  2  2  2  2
2  2  2  3  3


dataset.replace = dataset.replace('G',2,4,6,8,10).replace('A', 3.2, 5.5, 7.6, 9.7, 11.1)
df = pd.DataFrame(dataset.replace)
print(df)

# NameError: name 'pd' is not definedここに言語を入力
コード

Comments

[退会済みユーザー]

どのような根拠に基づいて数値ベクトルに置換したいのでしょうか？
・ あらかじめ仕込まれた一対一でペアになるようなベクトルで置換したい
・ word2vecのように意味の埋め込みembeddingしながら位置関係に類似性を持たせてベクトルに置換したい

どちらも多次元でのベクトル化が可能ですがまったく難易度が違ってきます。

[oserotto]

どちらかというと前者ではないかと思います。文字列を数値ベクトルに変換した後、回帰分析をしたいです。説明変数が文字なのでそれを予め数値に変換するイメージです

[meg_]

数値ではなくベクトルでないと駄目なんでしょうか？（回帰分析なら数値で良さそうな気がしますが）

[oserotto]

ひとつの文字に対応する数値が１次元ではなく、多次元になっているためベクトルでないと難しいように思います

[oserotto]

申し訳ございません、私の表現が分かりづらかったかもしれませんが、まずはA → 2, 4, 6, 8, 10というように１文字に対して5次元の値が対応するように変換できれば大丈夫です

[TakaiY]

質問の内容にかかわる回答はここではなく、質問を編集して追加してください。 見に来たときにわかりやすいです。

A → 2, 4, 6, 8, 10 というのはどういう根拠ですか？aは何になりますか。Bは何になりますか。

[melian]

例えばこんな感じですか？

>>> ([*('A'.encode())] + [0]*5)[:5]
[65, 0, 0, 0, 0]
>>> ([*('あ'.encode())] + [0]*5)[:5]
[227, 129, 130, 0, 0]

[kazuma-s]

> replace関数でA → 2の１次元変換はできましたが

そのプログラムを質問に追記してください。

[meg_]

「数値ベクトル」というのはPythonでいうと「(Numpy)配列」に当たるのでしょうか？
であれば配列データを一つの特徴量として多変量解析したい、というのがやりたい事なのでしょうか？

Answer 1

import pandas as pd
import numpy as np
import io

csv_data = '''
,1,2,3,4
1,G,G,G,G
2,G,G,A,A
'''
dataset = pd.read_csv(io.StringIO(csv_data), index_col=0)

df = dataset.apply(lambda x:
  pd.Series(x.map({
    'G': [2, 4, 6, 8, 10],
    'A': [3.2, 5.5, 7.6, 9.7, 11.1],
  }).sum()), axis=1)

df.to_csv('data.csv')

data.csv

,0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19
1,2.0,4.0,6.0,8.0,10.0,2.0,4.0,6.0,8.0,10.0,2.0,4.0,6.0,8.0,10.0,2.0,4.0,6.0,8.0,10.0
2,2.0,4.0,6.0,8.0,10.0,2.0,4.0,6.0,8.0,10.0,3.2,5.5,7.6,9.7,11.1,3.2,5.5,7.6,9.7,11.1

Comments

[oserotto]

ご回答ありがとうございます。想定したように数値ベクトルを文字に対応させることができました。ただ、変換後の配列をcsvファイルに出力すると[2,4,6,8,10]が1つのセルに収まってしまうのですが、これを値ごとに5つのセルに分けて出力するようにできないでしょうか？

[oserotto]

想定していたものができました。ありがとうございます！