Функция factorize

Функция factorize преобразует категориальные данные в числовые метки. Она применяется к Series или массивам и возвращает кортеж из двух элементов: массив числовых кодов и массив уникальных значений. Первый параметр values - это данные для кодирования. Второй параметр sort определяет, нужно ли сортировать уникальные значения. Третий параметр na_sentinel задаёт метку для пропущенных значений. Функция полезна для подготовки данных к машинному обучению и анализа категорий.

Синтаксис

pd.factorize(values, sort=False, na_sentinel=-1)

Пример

Давайте закодируем категориальные значения в числовые метки:

import pandas as pd

ser = pd.Series(['a', 'b', 'a', 'c', 'b'])
codes, uniques = pd.factorize(ser)
print('Codes:', codes)
print('Uniques:', uniques)

Результат выполнения кода:

Codes: [0 1 0 2 1]
Uniques: Index(['a', 'b', 'c'], dtype='object')

Пример

Закодируем значения с сортировкой уникальных элементов:

import pandas as pd

ser = pd.Series(['z', 'a', 'b', 'z', 'a'])
codes, uniques = pd.factorize(ser, sort=True)
print('Codes with sort:', codes)
print('Uniques sorted:', uniques)

Результат выполнения кода:

Codes with sort: [2 0 1 2 0]
Uniques sorted: Index(['a', 'b', 'z'], dtype='object')

Пример

Обработаем пропущенные значения, указав специальную метку:

import pandas as pd
import numpy as np

ser = pd.Series(['x', np.nan, 'y', 'x', np.nan])
codes, uniques = pd.factorize(ser, na_sentinel=-99)
print('Codes with NaN:', codes)
print('Uniques:', uniques)

Результат выполнения кода:

Codes with NaN: [ 0 -99  1   0 -99]
Uniques: Index(['x', 'y'], dtype='object')

Пример

Применим функцию к числовым данным для преобразования в категории:

import pandas as pd

ser = pd.Series([10, 20, 10, 30, 20])
codes, uniques = pd.factorize(ser)
print('Codes for numbers:', codes)
print('Unique numbers:', uniques)

Результат выполнения кода:

Codes for numbers: [0 1 0 2 1]
Unique numbers: Index([10, 20, 30], dtype='int64')

Смотрите также

функция get_dummies,
которая создаёт фиктивные переменные для категорий
функция cut,
которая разбивает данные на интервалы
функция qcut,
которая разбивает на равные по частоте интервалы
функция crosstab,
которая строит перекрёстные таблицы частот