Pandas —— get_dummies( )和 factorize( )的区别

Pandas —— get_dummies( )和 factorize( )的区别

Pandas.factorize( )

当有多个变量出现时，可以使用pandas.factorize( )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。

>>> pd.factorize(pd.Series(list('abcaadedffg')))
(array([0, 1, 2, 0, 0, 3, 4, 3, 5, 5, 6]), Index(['a', 'b', 'c', 'd', 'e', 'f', 'g'], dtype='object'))

如果一列中 出现了空值，factorize会怎么处理空值呢？

pd.factorize(pd.Series(['a',np.NaN,'b','c','a',np.NaN,'a','d',np.NaN,'e','d','f','f','g']))
Out[5]: 
(array([ 0, -1,  1,  2,  0, -1,  0,  3, -1,  4,  3,  5,  5,  6],dtype=int64),
 Index(['a', 'b', 'c', 'd', 'e', 'f', 'g'], dtype='object'))

factorize 把np.NaN处理成了-1 ，还是可以的