El método pandas.factorize() ayuda a obtener la representación numérica de una array al identificar valores distintos. Este método está disponible como pandas.factorize()y Series.factorize().
Parámetros:
valores: secuencia 1D.
sort : [bool, Default is False] Ordenar etiquetas únicas y aleatorias.
na_sentinel : [ int, default -1] Valores faltantes para marcar ‘no encontrado’.Retorno: representación numérica de la array
Código: Explicación del funcionamiento del método factorize()
# importing libraries
import numpy as np
import pandas as pd
from pandas.api.types import CategoricalDtype
labels, uniques = pd.factorize(['b', 'd', 'd', 'c', 'a', 'c', 'a', 'b'])
print("Numeric Representation : \n", labels)
print("Unique Values : \n", uniques)
# sorting the numerics
label1, unique1 = pd.factorize(['b', 'd', 'd', 'c', 'a', 'c', 'a', 'b'],
sort = True)
print("\n\nNumeric Representation : \n", label1)
print("Unique Values : \n", unique1)
# Missing values indicated
label2, unique2 = pd.factorize(['b', None, 'd', 'c', None, 'a', ],
na_sentinel = -101)
print("\n\nNumeric Representation : \n", label2)
print("Unique Values : \n", unique2)
# When factorizing pandas object; unique will differ
a = pd.Categorical(['a', 'a', 'c'], categories =['a', 'b', 'c'])
label3, unique3 = pd.factorize(a)
print("\n\nNumeric Representation : \n", label3)
print("Unique Values : \n", unique3)
Publicación traducida automáticamente
Artículo escrito por Mohit Gupta_OMG 🙂 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA