pandas.factorize

pandas.factorize(values, sort=False, use_na_sentinel=True, size_hint=None)[source]

Кодировка объекта как перечислимого типа или категориальной переменной.

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

Параметры:

values:последовательность

Одномерная последовательность. Последовательности, которые не являются объектами pandas, преобразуются в ndarrays перед факторизацией.

sort:bool, по умолчанию False

Сортировать uniques и перемешать codes для поддержания соответствия.

use_na_sentinel:bool, по умолчанию True

Если True, для значений NaN будет использоваться метка -1. Если False, значения NaN будут закодированы как неотрицательные целые числа и не будут удалены из уникальных значений.

В версии 1.5.0.

size_hint:int, необязательно

Подсказка для размера хэш-таблицы.

Возвращает:

codes:ndarray

Целочисленный ndarray, который является индексатором в uniques. uniques.take(codes) будет содержать те же значения, что и values.

uniques:ndarray, Index или Categorical

Уникальные допустимые значения. Когда values является категориальным, uniques является категориальным. Когда values является другим объектом pandas, возвращается Index. В противном случае возвращается одномерный ndarray.

Примечание

Даже если в values есть пропущенное значение, uniques не будет содержать запись для него.

См. также

cut

Дискретизация непрерывного массива значений.

unique

Поиск уникальных значений в массиве.

Примечания

Дополнительные примеры см. в руководстве пользователя.

Примеры

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

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

С sort=True, uniques будут отсортированы, а codes будут перемешаны таким образом, чтобы соответствие сохранилось.

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

Когда use_na_sentinel=True (значение по умолчанию), пропущенные значения обозначаются в codes с меткой -1 и не включаются в uniques.

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

До сих пор мы факторизовали только списки (которые внутренне преобразуются в массивы NumPy). При факторизации объектов pandas тип uniques будет отличаться. Для категориальных данных возвращается 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']

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

Для всех других объектов pandas возвращается индекс соответствующего типа.

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

Если NaN присутствует в значениях и требуется включение NaN в уникальные значения, это достигается установкой use_na_sentinel=False.

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

>>> codes, uniques = pd.factorize(values, use_na_sentinel=False)
>>> codes
array([0, 1, 0, 2])
>>> uniques
array([ 1.,  2., nan])