Pandas factorize()函数在实战中的应用有哪些技巧？

本文共计601个文字，预计阅读时间需要3分钟。

爸爸好，我是皮皮。一、前言，前几天在Python白银行流群里有个叫蛋蛋的粉丝问了一个Pandas处理的问题，这里拿出来给大家分享一下，一起学习下。一开始我都没理解他的意思，因为只说了蛋蛋。

大家好，我是皮皮。

一、前言

前几天在Python白银交流群有个叫的粉丝问了一个Pandas处理的问题，这里拿出来给大家分享下，一起学习下。

一开始我都没理解她的意思，以为只是简单的替换而已，之前给了一个代码，当时也写文章记录了，代码如下：

df['col2'] = df['col1'].map({1:"开心", 2:"悲伤", 3:"难过", 4:"泪目"})
df

不过很不巧，这个不是她想要的结果，她想要的结果是同样的几个都是1，然后其余的就是2,3,4，我还是没反应过来，不过一下子就get到她的意思了，真是太神了。

二、解决过程

这里给出了解答，使用pd.factorize(data['a'])[0]完美地解决了这个问题。

这个类似于onehot编码，对类型进行了数字编码，如果想要把nan也编码，加一个参数na_sentinel=None。

这样一来，就完美地解决了问题。