pandas的factorize()，numpy庫unique函數

原創

liulina603

2020-02-22 10:09

1、factorize函數可以將Series中的標稱型數據映射稱爲一組數字，相同的標稱型映射爲相同的數字。

factorize函數的返回值是一個tuple（元組），元組中包含兩個元素。

第一個元素是一個array，其中的元素是標稱型元素映射爲的數字；

第二個元素是Index類型，其中的元素是所有標稱型元素，沒有重複。

# coding=utf-8
import numpy as np
import xgboost as xgb
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.ensemble import RandomForestClassifier
import pandas as pd
import csv
from pandas import DataFrame

df = pd.DataFrame({"id":[1,2,3,4,5,6,3,2], "raw_grade":['a', 'b', 'b','a', 'a', 'e','c','a']})
print df
print '\n'
x = pd.factorize(df.raw_grade)
print x

結果：

   id raw_grade
0   1         a
1   2         b
2   3         b
3   4         a
4   5         a
5   6         e
6   3         c
7   2         a


(array([0, 1, 1, 0, 0, 2, 3, 0], dtype=int64), Index([u'a', u'b', u'e', u'c'], dtype='object'))

2、numpy庫unique函數解析

unique()函數返回參數數組中所有不同的值，並按照從小到大排序

該函數有兩個可選參數：

return_index: True 表示unique()後的新數據在原始數組中的下標；

return_inverse :True 表示重建後的數組中各元素對應的下標在原始數組或列表中表示出來；

1）對於一維列表或數組A:

import numpy as np
A = [1, 2, 2, 3, 4, 3]
a = np.unique(A)
print a            # 輸出爲 [1 2 3 4]
a, b, c = np.unique(A, return_index=True, return_inverse=True)
print a, b, c      # 輸出爲 [1 2 3 4], [0 1 3 4], [0 1 1 2 3 2]

注意：上面與下面的不之同之處

A = [4, 2, 2, 3, 1, 3]
a = np.unique(A)
print a            # 輸出爲 [1 2 3 4]
a, b, c = np.unique(A, return_index=True, return_inverse=True)
print a, b, c      # 輸出爲 [1 2 3 4] [4 1 3 0] [3 1 1 2 0 2]

說明：

c 重建後的列表[1 2 3 4]中各元素對應的下標爲：0，1，2，3 ，在原始數組或列表中表示出來[3 1 1 2 0 2]；即4的下標爲3，3的下標爲2，2的下標爲1，1的下標爲0.

2）對於二維數組(“darray數字類型”):

A = [[1, 2], [3, 4], [5, 6], [1, 2]]
A = np.array(A)   #列表類型需轉爲數組類型
a, b, c = np.unique(A.view(A.dtype.descr * A.shape[1]), return_index=True, return_inverse=True)
print a, b, c     #輸出爲 [(1, 2) (3, 4) (5, 6)], [0 1 2], [0 1 2 0]