Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。
Pandas TimedeltaIndex.factorize()
函数将给定的TimedeltaIndex对象的元素编码为枚举类型或分类变量。
用法: TimedeltaIndex.factorize(sort=False, na_sentinel=-1)
参数:
sort:按值排序
na_sentinel:标记“not found”的值
返回:标签:原始数组的索引器
范例1:采用TimedeltaIndex.factorize()
函数编码给定的TimedeltaIndex对象的元素。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(start ='1 days 06:05:01.000030',
periods = 5, freq ='D', name ='Koala')
# Print the TimedeltaIndex object
print(tidx)
输出:
现在我们将使用TimedeltaIndex.factorize()
用于编码tidx对象的函数。
# encode the tidx object
tidx.factorize()
输出:
正如我们在输出中看到的,TimedeltaIndex.factorize()
函数已编码tidx对象的元素。它已为每个元素分配了唯一的代码。
范例2:采用TimedeltaIndex.factorize()
函数,用于检查两个给定的TimedeltaIndex对象中包含的元素是否相同。
# importing pandas as pd
import pandas as pd
# Create the TimedeltaIndex object
tidx = pd.TimedeltaIndex(data =['1 days 02:00:00', '1 days 06:05:01.000030',
'1 days 02:00:00', '1 days 02:00:00', '21 days 06:15:01.000030'])
# Print the TimedeltaIndex object
print(tidx)
输出:
现在我们将使用TimedeltaIndex.factorize()
用于编码tidx对象的函数。
# encode the tidx object
tidx.factorize()
输出:
正如我们在输出中看到的,TimedeltaIndex.factorize()
函数已编码tidx对象的元素。它已为每个元素分配了唯一的代码。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
注:本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas TimedeltaIndex.factorize。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。