Python 熊猫中的多列因子分解

pandas

factorize

函数将序列中的每个唯一值分配给一个顺序的、基于0的索引，并计算每个序列条目所属的索引

我想在多个列上完成与熊猫分解相当的

pandas.factorize

：

import pandas as pd
df = pd.DataFrame({'x': [1, 1, 2, 2, 1, 1], 'y':[1, 2, 2, 2, 2, 1]})
pd.factorize(df)[0] # would like [0, 1, 2, 2, 1, 0]

也就是说，我想确定一个数据帧的几列中每个唯一的值元组，为每个元组分配一个顺序索引，并计算数据帧中每一行所属的索引

---

Factorize

仅适用于单列。pandas中是否有多列等效函数？

您可以使用

删除重复项

删除那些重复的行

In [23]: df.drop_duplicates()
Out[23]: 
      x  y
   0  1  1
   1  1  2
   2  2  2

编辑 为了实现您的目标，您可以将原始df加入到drop_duplicated df中：

In [46]: df.join(df.drop_duplicates().reset_index().set_index(['x', 'y']), on=['x', 'y'])
Out[46]: 
   x  y  index
0  1  1      0
1  1  2      1
2  2  2      2
3  2  2      2
4  1  2      1
5  1  1      0

---

我不确定这是否是一个有效的解决方案。也许有更好的解决办法

arr=[] #this will hold the unique items of the dataframe
for i in df.index:
   if list(df.iloc[i]) not in arr:
      arr.append(list(df.iloc[i]))

所以打印arr会给你

>>>print arr
[[1,1],[1,2],[2,2]]

为了保存索引，我将声明一个ind数组

ind=[]
for i in df.index:
   ind.append(arr.index(list(df.iloc[i])))

我会给你的

 >>>print ind
 [0,1,2,2,1,0]

---

首先需要创建一个元组数组，

pandas.lib.fast\u-zip可以在cython循环中非常快速地完成这项工作

import pandas as pd
df = pd.DataFrame({'x': [1, 1, 2, 2, 1, 1], 'y':[1, 2, 2, 2, 2, 1]})
print pd.factorize(pd.lib.fast_zip([df.x, df.y]))[0]

输出为：

[0 1 2 2 1 0]

您期望的输出是什么？注释中的列表--每个不同（x，y）值的唯一顺序索引我不想删除它们，而是为每对不同的值分配一个唯一的索引（即，我最终想在数据框中添加一个新列，值为[0，1，2，2，1，0]）。谢谢--这给出了我想要的答案，在一个相当紧凑的表单中，我得到以下错误：{AttributeError}模块“pandas”没有属性“lib”。该函数可以在
pd.\u libs.lib.fast\u zip
下找到。不确定它何时更改。请解释您的代码与OP的不同之处，以及如何解决问题。我推荐这本关于创建有用答案的指南
df = pd.DataFrame({'x': [1, 1, 2, 2, 1, 1], 'y':[1, 2, 2, 2, 2, 1]})
tuples = df[['x', 'y']].apply(tuple, axis=1)
df['newID'] = pd.factorize( tuples )[0]