# 52、pandas.from_dummies函数

# color

# 0 red

# 1 blue

# 2 green

53、pandas.factorize函数

53-1、语法

# 53、pandas.factorize函数

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

Encode the object as an enumerated type or categorical variable.

This method is useful for obtaining a numeric representation of an array when all that matters is identifying distinct values. factorize is available as both a top-level function pandas.factorize(), and as a method Series.factorize() and Index.factorize().

Parameters:

valuessequence

A 1-D sequence. Sequences that aren’t pandas objects are coerced to ndarrays before factorization.

sortbool, default False

Sort uniques and shuffle codes to maintain the relationship.

use_na_sentinelbool, default True

If True, the sentinel -1 will be used for NaN values. If False, NaN values will be encoded as non-negative integers and will not drop the NaN from the uniques of the values.

New in version 1.5.0.

size_hintint, optional

Hint to the hashtable sizer.

Returns:

codesndarray

An integer ndarray that’s an indexer into uniques. uniques.take(codes) will have the same values as values.

uniquesndarray, Index, or Categorical

The unique valid values. When values is Categorical, uniques is a Categorical. When values is some other pandas object, an Index is returned. Otherwise, a 1-D ndarray is returned.

Note

Even if there’s a missing value in values, uniques will not contain an entry for it.

53-2、参数

53-2-1、values(必须)：需要编码的数组或序列，可以是列表、NumPy数组、Pandas系列等。

53-2-2、sort(可选，默认值为False)：是否对唯一值数组进行排序，如果为True，返回的唯一值数组将按字典顺序排序。

53-2-3、use_na_sentinel(可选，默认值为True)：是否在输出整数数组中使用-1作为NaN的标记，如果为False，则将NaN也编码为一个唯一的整数。

53-2-4、size_hint(可选，默认值为None)：一个整数提示，用于内部优化，指示预期的唯一值的数量，这可以提高大规模数据的处理性能。

53-3、功能

        将一组值(如列表、数组或序列)编码为整数索引。具体来说，它会为每个唯一值分配一个唯一的整数，并返回这些整数索引以及唯一值的数组。

53-4、返回值

        返回两个对象：

53-4-1、整数索引数组：一个与输入数组大小相同的整数数组，其中每个整数对应于输入数组中的一个值。

53-4-2、唯一值数组：一个包含输入数组中所有唯一值的数组，按它们首次出现的顺序排列，除非使用sort=True参数。

53-5、说明

        pandas.factorize的主要功能是：

53-5-1、将类别数据转换为整数索引：通过为每个唯一值分配一个整数，使得类别数据可以用于数值计算或进一步分析。

53-5-2、处理缺失值：可以选择是否将缺失值(NaN)编码为一个特定的整数(默认为-1)。

53-6、用法

53-6-1、数据准备

无

53-6-2、代码示例

# 53、pandas.factorize函数

# 53-1、基本用法

import pandas as pd

values = ['a', 'b', 'a', 'c', 'b']

factorized_values, unique_values = pd.factorize(values)

print(factorized_values)

print(unique_values)

# 53-2、使用sort参数

import pandas as pd

values = ['a', 'b', 'a', 'c', 'b']

factorized_values, unique_values = pd.factorize(values, sort=True)

print(factorized_values)

print(unique_values)

# 53-3、处理NaN

import pandas as pd

values_with_nan = ['a', 'b', None, 'a', 'c']

factorized_values, unique_values = pd.factorize(values_with_nan, use_na_sentinel=True)

print(factorized_values)

print(unique_values)

# 53-4、使用size_hint参数

import pandas as pd

large_values = ['a'] * 100000 + ['b'] * 100000

factorized_values, unique_values = pd.factorize(large_values, size_hint=2)

print(factorized_values[:10])

print(unique_values)

53-6-3、结果输出 

# 53、pandas.factorize函数

# 53-1、基本用法

# [0 1 0 2 1]

# ['a' 'b' 'c']

# 53-2、使用sort参数

# [0 1 0 2 1]

# ['a' 'b' 'c']

# 53-3、处理NaN

# [ 0 1 -1 0 2]

# ['a' 'b' 'c']

# 53-4、使用size_hint参数

# [0 0 0 0 0 0 0 0 0 0]

# ['a' 'b']

54、pandas.unique函数

54-1、语法

# 54、pandas.unique函数

pandas.unique(values)

Return unique values based on a hash table.

Uniques are returned in order of appearance. This does NOT sort.

Significantly faster than numpy.unique for long enough sequences. Includes NA values.

Parameters:

values

1d array-like

Returns:

numpy.ndarray or ExtensionArray

The return can be:

Index : when the input is an Index

Categorical : when the input is a Categorical dtype

ndarray : when the input is a Series/ndarray

Return numpy.ndarray or ExtensionArray.

54-2、参数

54-2-1、values(必须)：可以是以下几种类型的对象：

一维的pandas.Series一维的pandas.Index一维的numpy.ndarray一维的列表或序列

54-3、功能

        返回输入数组中的唯一值，按它们在数组中首次出现的顺序排列。

54-4、返回值

        返回一个numpy.ndarray，其中包含输入数组中的唯一值。

54-5、说明

        pandas.unique是一个简单且高效的函数，用于从一维数组、Series或Index中提取唯一值，它只需要一个参数，即要处理的数组，并返回一个包含唯一值的numpy.ndarray，这种功能在数据预处理和清理阶段非常有用，可以帮助识别数据集中的独特元素。

54-6、用法

54-6-1、数据准备

无

54-6-2、代码示例

# 54、pandas.unique函数

# 54-1、处理列表

import pandas as pd

values = [1, 2, 2, 3, 4, 4, 4, 5]

unique_values = pd.unique(values)

print(unique_values)

# 54-2、处理pandas Series

import pandas as pd

series = pd.Series(['a', 'b', 'a', 'c', 'b', 'd'])

unique_values = pd.unique(series)

print(unique_values)

# 54-3、处理numpy数组

import pandas as pd

import numpy as np

array = np.array([1, 2, 3, 1, 2, 3, 4])

unique_values = pd.unique(array)

print(unique_values)

# 54-4、处理含有NaN的数据

import pandas as pd

values_with_nan = [1, 2, np.nan, 2, np.nan, 3]

unique_values = pd.unique(values_with_nan)

print(unique_values)

54-6-3、结果输出

# 54、pandas.unique函数

# 54-1、处理列表

# [1 2 3 4 5]

# 54-2、处理pandas Series

# ['a' 'b' 'c' 'd']

# 54-3、处理numpy数组

# [1 2 3 4]

# 54-4、处理含有NaN的数据

# [ 1. 2. nan 3.]

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页