pandas的get_dummies()與factorize()如何使用？有什么區(qū)別

在pandas使用的過程中我們會(huì)發(fā)現(xiàn)有兩個(gè)函數(shù)的功能有很多相似之處。它們就是get_dummies()和factorize()，它們功能上都是對分類變量進(jìn)行操作。那么get_dummies()和factorize()有什么區(qū)別呢？接下來的這篇文章告訴你。

1.get_dummies()

pandas.get_dummies(data, prefix=None, prefix_sep='_', dummy_na=False, columns=None,sparse=False, drop_first=False)：Convert categorical variable into dummy/indicator variables

>>> import pandas as pd
>>> s = pd.Series(list('abca'))
>>> pd.get_dummies(s)
   a  b  c
0  1  0  0
1  0  1  0
2  0  0  1
3  1  0  0

2.pd.factorize()

pandas.factorize(values, sort=False, order=None, na_sentinel=-1,size_hint=None)：Encode input values as an enumerated type or categorical variable

Series.factorize(sort=False, na_sentinel=-1):Encode the object as an enumerated type or categorical variable

Pandas有一個(gè)方法叫做factorize()，它可以創(chuàng)建一些數(shù)字，來表示類別變量，對每一個(gè)類別映射一個(gè)ID，這種映射最后只生成一個(gè)特征，不像dummy那樣生成多個(gè)特征。

labels：對應(yīng)的編碼array

uniques:需要編碼的類型

補(bǔ)充：pandas.get_dummies 的使用及含義

get_dummies 是利用pandas實(shí)現(xiàn)one hot encode的方式

get_dummies參數(shù)如下：

pandas.get_dummies（data，prefix = None，prefix_sep ='_'，dummy_na = False，columns = None，sparse = False，drop_first = False，dtype = None ）

data ： array-like，Series或DataFrame

prefix ：string，字符串列表或字符串dict，默認(rèn)為None，

用于追加DataFrame列名的字符串。在DataFrame上調(diào)用get_dummies時(shí)，傳遞一個(gè)長度等于列數(shù)的列表。或者，前綴 可以是將列名稱映射到前綴的字典。

prefix_sep ： string，默認(rèn)為'_'

如果附加前綴，分隔符/分隔符要使用?；蛘邆鬟f與前綴一樣的列表或字典。

dummy_na ： bool，默認(rèn)為False

如果忽略False NaN，則添加一列以指示NaN。

columns ： 類似列表，默認(rèn)為無

要編碼的DataFrame中的列名稱。如果列是None，那么所有與列 對象或類別 D型細(xì)胞將被轉(zhuǎn)換。

sparse ： bool，默認(rèn)為False

偽編碼列是否應(yīng)由SparseArray（True）或常規(guī)NumPy數(shù)組（False）支持。

drop_first ： bool，默認(rèn)為False

是否通過刪除第一級別從k分類級別獲得k-1個(gè)假人。

版本0.18.0中的新功能。

dtype： D型，默認(rèn)np.uint8

新列的數(shù)據(jù)類型。只允許一個(gè)dtype。

版本0.23.0中的新功能。

實(shí)例

prefix自定義前綴

以上就是get_dummies()和factorize()有什么區(qū)別的全部內(nèi)容，希望能給大家一個(gè)參考，也希望大家多多支持W3Cschool。