hệ số đa cột trong gấu trúc

Question

Hàm pandas factorize gán mỗi giá trị duy nhất trong một chuỗi cho một chỉ mục dựa trên 0, và tính chỉ mục mà mỗi mục nhập thuộc về chuỗi đó.

Tôi muốn hoàn thành tương đương với pandas.factorize trên nhiều cột:

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] 

Đó là, tôi muốn xác định mỗi tuple độc ​​đáo của các giá trị trong nhiều cột của một khung dữ liệu, gán một chỉ số tuần tự để và tính toán chỉ mục mỗi hàng trong khung dữ liệu thuộc về.

Factorize chỉ hoạt động trên các cột đơn lẻ. Có chức năng tương đương đa cột trong gấu trúc không?

Answer 1

Bạn cần tạo một ô f tuple đầu tiên, pandas.lib.fast_zip có thể làm điều này rất nhanh trong vòng lặp cython.

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] 

đầu ra là:

[0 1 2 2 1 0] 

Answer 2

Bạn có thể sử dụng drop_duplicates để thả những hàng nhân đôi

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

EDIT

Để đạt được mục tiêu của bạn, bạn có thể tham gia ban đầu của bạn df đến drop_duplicated một:

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 

Answer 3

Tôi không chắc chắn nếu đây là một giải pháp hiệu quả. Có thể có giải pháp tốt hơn cho việc này.

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])) 

để in arr sẽ cung cấp cho bạn

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

để giữ chỉ số, tôi sẽ khai báo một mảng ind

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

in ind sẽ cung cấp cho

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

Answer 4

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]