Python pandas.factorize用法及代码示例

用法: pandas.factorize(values, sort=False, na_sentinel=- 1, size_hint=None)

将对象编码为枚举类型或分类变量。

当重要的是识别不同的值时，此方法对于获取数组的数字表示很有用。 factorize 既可用作顶级函数 pandas.factorize() ，也可用作方法 Series.factorize() 和 Index.factorize() 。

参数：

values：序列: 一维序列。不是 pandas 对象的序列在分解之前被强制转换为 ndarray。
sort：布尔值，默认为 False: 排序 uniques 并打乱 codes 以保持关系。
na_sentinel：int 或无，默认 -1: 标记“not found”的值。如果没有，将不会从值的唯一性中删除 NaN。
size_hint：int 可选: 提示哈希表大小。

codes：ndarray: 一个整数 ndarray，它是 uniques 的索引器。 uniques.take(codes) 将具有与 values 相同的值。
uniques：ndarray、索引或分类: 唯一的有效值。当values 为分类时，uniques 为分类。当 values 是其他一些 pandas 对象时，返回一个 Index。否则，返回一维 ndarray。

注意

即使有缺失值values,uniques将要不是包含一个条目。

注意：

有关更多示例，请参阅用户指南。

例子：

这些示例都将 factorize 显示为顶级方法，例如 pd.factorize(values) 。对于像 Series.factorize() 这样的方法，结果是相同的。

>>> codes, uniques = pd.factorize(['b', 'b', 'a', 'c', 'b'])
>>> codes
array([0, 0, 1, 2, 0]...)
>>> uniques
array(['b', 'a', 'c'], dtype=object)

使用 sort=True ，将对 uniques 进行排序，并打乱 codes 以保持关系。

>>> codes, uniques = pd.factorize(['b', 'b', 'a', 'c', 'b'], sort=True)
>>> codes
array([1, 1, 0, 2, 1]...)
>>> uniques
array(['a', 'b', 'c'], dtype=object)

codes 和 na_sentinel (默认为 -1)中指示缺失值。请注意，缺失值永远不会包含在 uniques 中。

>>> codes, uniques = pd.factorize(['b', None, 'a', 'c', 'b'])
>>> codes
array([ 0, -1,  1,  2,  0]...)
>>> uniques
array(['b', 'a', 'c'], dtype=object)

到目前为止，我们只分解了列表(内部强制转换为 NumPy 数组)。在分解 pandas 对象时，uniques 的类型会有所不同。对于分类，返回 Categorical。

>>> cat = pd.Categorical(['a', 'a', 'c'], categories=['a', 'b', 'c'])
>>> codes, uniques = pd.factorize(cat)
>>> codes
array([0, 0, 1]...)
>>> uniques
['a', 'c']
Categories (3, object): ['a', 'b', 'c']

请注意，'b' 在 uniques.categories 中，尽管 cat.values 中不存在。

对于所有其他 pandas 对象，将返回适当类型的索引。

>>> cat = pd.Series(['a', 'a', 'c'])
>>> codes, uniques = pd.factorize(cat)
>>> codes
array([0, 0, 1]...)
>>> uniques
Index(['a', 'c'], dtype='object')

如果 NaN 在值中，并且我们希望在值的唯一性中包含 NaN，则可以通过设置 na_sentinel=None 来实现。

>>> values = np.array([1, 2, 1, np.nan])
>>> codes, uniques = pd.factorize(values)  # default: na_sentinel=-1
>>> codes
array([ 0,  1,  0, -1])
>>> uniques
array([1., 2.])

>>> codes, uniques = pd.factorize(values, na_sentinel=None)
>>> codes
array([0, 1, 0, 2])
>>> uniques
array([ 1.,  2., nan])

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.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。

用法:

参数：

返回：

注意：

例子：