pandas factorize|极客教程

pandas factorize

在使用pandas进行数据分析的过程中，经常会遇到需要将类别变量转换为数值型变量的情况。pandas.factorize()是一个非常实用的方法，可以帮助我们将类别变量转换为数值型变量，从而方便后续的分析处理。本文将详细介绍pandas中factorize()方法的用法及示例。

什么是`factorize()`方法

factorize()方法是pandas中Series对象的一个方法，用于将类别变量转换为数值型变量。它接受一个类别变量序列，并返回一个元组，包含两个元素：

一个整数数组，表示原始序列中每个元素在唯一值列表中的索引
一个唯一值列表

通过使用factorize()方法，我们可以将类别变量转换为一个数值型的索引数组，便于后续的分析处理。

`factorize()`方法的用法

下面我们通过几个示例来演示factorize()方法的用法。

示例1：将类别变量转换为数值型变量

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'fruit': ['apple', 'banana', 'cherry', 'apple', 'banana']})
print(df)

# 使用factorize方法将类别变量fruit转换为数值型变量
labels, uniques = pd.factorize(df['fruit'])
df['fruit_code'] = labels
print(df)

运行结果：

    fruit
0   apple
1  banana
2  cherry
3   apple
4  banana

    fruit  fruit_code
0   apple           0
1  banana           1
2  cherry           2
3   apple           0
4  banana           1

从上面的示例可以看出，factorize()方法将类别变量fruit转换为了数值型变量fruit_code，并返回了唯一值列表uniques。

示例2：指定类别变量的唯一值列表

有时候我们需要指定类别变量的唯一值列表，可以通过factorize()方法的na_sentinel参数来实现。

import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame({'fruit': ['apple', 'banana', 'cherry', 'apple', 'banana']})
print(df)

# 指定唯一值列表
unique_list = ['apple', 'banana', 'cherry']

# 使用factorize方法将类别变量fruit转换为数值型变量
labels, uniques = pd.factorize(df['fruit'], na_sentinel=-1, sort=True)
df['fruit_code'] = labels
print(df)

运行结果：

    fruit
0   apple
1  banana
2  cherry
3   apple
4  banana

    fruit  fruit_code
0   apple           0
1  banana           1
2  cherry           2
3   apple           0
4  banana           1

在这个示例中，我们指定了唯一值列表['apple', 'banana', 'cherry']，并通过sort=True参数对唯一值列表进行了排序。