pandas.factorize

pandas.factorize(values, sort=False, order=None, na_sentinel=-1, size_hint=None) [source]

Кодирование объекта как перечисленного типа или категориальной переменной.

Этот метод полезен для получения числового представления массива, когда важны только уникальные значения. factorize доступен как функция верхнего уровня pandas.factorize(), а также как метод Series.factorize() и Index.factorize().

Параметры:

values : sequence Последовательность 1-D. Последовательности, которые не являются объектами pandas, преобразуются в массивы NumPy перед факторизацией. sort : bool, default False Сортировать uniques и перемешивать labels для сохранения взаимосвязи. order Устарело начиная с версии 0.23.0: Этот параметр не оказывает влияния и устарел. na_sentinel : int, default -1 Значение для обозначения «не найдено». size_hint : int, optional Подсказка для размера хеш-таблицы.

Возвращаемое значение:

labels : ndarray Целочисленный массив NumPy, который является индексатором в uniques. uniques.take(labels) будет иметь те же значения, что и values. uniques : ndarray, Index, or Categorical Уникальные допустимые значения. Когда values — это Categorical, uniques — это Categorical. Когда values — это другой объект pandas, возвращается Index. В противном случае возвращается одномерный массив NumPy. Примечание Даже если в values есть пропущенное значение, uniques не будет содержать записи для него.

См. также

cut

Дискретизация массива с непрерывными значениями.

unique

Поиск уникального значения в массиве.

Примеры

Эти примеры демонстрируют функцию factorize как метод верхнего уровня, как pd.factorize(values). Результаты идентичны для методов, таких как Series.factorize().

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

С sort=True, uniques будет отсортирован, а labels будет перемешан таким образом, чтобы сохранить связь.

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

Пропущенные значения в labels обозначаются na_sentinel (-1 по умолчанию). Обратите внимание, что пропущенные значения никогда не включаются в uniques.

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

До сих пор мы факторизовали только списки (которые внутри преобразуются в массивы NumPy). При факторизации объектов pandas тип uniques будет отличаться. Для Categorical возвращается Categorical.

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

Обратите внимание, что 'b' находится в uniques.categories, несмотря на то, что он отсутствует в cat.values.

Для всех других объектов pandas возвращается индекс соответствующего типа.

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