Python pyspark Series.factorize用法及代碼示例

本文簡要介紹 pyspark.pandas.Series.factorize 的用法。

用法: Series.factorize(sort: bool = True, na_sentinel: Optional[int] = - 1) → Tuple[IndexOpsLike, pandas.core.indexes.base.Index]

將對象編碼為枚舉類型或分類變量。

當重要的是識別不同的值時，此方法對於獲取數組的數字表示很有用。

參數：

sort：布爾值，默認為真
na_sentinel：int 或無，默認 -1: 標記“not found”的值。如果沒有，將不會從值的唯一性中刪除 NaN。

codes：係列或索引: 一個係列或索引，它是 uniques 的索引器。 uniques.take(codes) 將具有與 values 相同的值。
uniques：pd.Index: 唯一的有效值。

注意

即使有缺失值values,uniques將要不是包含一個條目。

例子：

>>> psser = ps.Series(['b', None, 'a', 'c', 'b'])
>>> codes, uniques = psser.factorize()
>>> codes
0    1
1   -1
2    0
3    2
4    1
dtype: int32
>>> uniques
Index(['a', 'b', 'c'], dtype='object')

>>> codes, uniques = psser.factorize(na_sentinel=None)
>>> codes
0    1
1    3
2    0
3    2
4    1
dtype: int32
>>> uniques
Index(['a', 'b', 'c', None], dtype='object')

>>> codes, uniques = psser.factorize(na_sentinel=-2)
>>> codes
0    1
1   -2
2    0
3    2
4    1
dtype: int32
>>> uniques
Index(['a', 'b', 'c'], dtype='object')

對於索引：

>>> psidx = ps.Index(['b', None, 'a', 'c', 'b'])
>>> codes, uniques = psidx.factorize()
>>> codes
Int64Index([1, -1, 0, 2, 1], dtype='int64')
>>> uniques
Index(['a', 'b', 'c'], dtype='object')

相關用法

注：本文由純淨天空篩選整理自spark.apache.org大神的英文原創作品 pyspark.pandas.Series.factorize。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：