pandas:get_dummies()与pd.factorize()的用法及区别说明

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有一个方法叫做factorize()，它可以创建一些数字，来表示类别变量，对每一个类别映射一个ID，这种映射最后只生成一个特征，不像dummy那样生成多个特征。

Parameters:	sort : boolean, default False Sort by values na_sentinel: int, default -1 Value to mark “not found”
Returns:	labels : the indexer to the original array uniques : the unique Index

labels：对应的编码array

uniques:需要编码的类型

补充：pandas.get_dummies 的使用及含义

get_dummies 是利用pandas实现one hot encode的方式

get_dummies参数如下：

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，默认为None，

用于追加DataFrame列名的字符串。在DataFrame上调用get_dummies时，传递一个长度等于列数的列表。或者，前缀 可以是将列名称映射到前缀的字典。

prefix_sep ： string，默认为'_'

如果附加前缀，分隔符/分隔符要使用。或者传递与前缀一样的列表或字典。

dummy_na ： bool，默认为False

如果忽略False NaN，则添加一列以指示NaN。

columns ： 类似列表，默认为无

要编码的DataFrame中的列名称。如果列是None，那么所有与列 对象或类别 D型细胞将被转换。

sparse ： bool，默认为False

伪编码列是否应由SparseArray（True）或常规NumPy数组（False）支持。

drop_first ： bool，默认为False

是否通过删除第一级别从k分类级别获得k-1个假人。

版本0.18.0中的新功能。

dtype： D型，默认np.uint8

新列的数据类型。只允许一个dtype。

版本0.23.0中的新功能。

实例

prefix自定义前缀

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。