熊猫中的多列分解

Question

pandasfactorize函数将系列中的每个唯一值分配给基于0的顺序索引，并计算每个系列条目所属的索引。

我想pandas.factorize在多个列上完成相当于：

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，我要确定数据帧的几列中的每个值的唯一元组，为每个值分配一个顺序索引，并计算数据帧中的每一行属于哪个索引。

Factorize仅适用于单列。熊猫中是否存在多列等效功能？

Answer 1

您需要首先创建一个元组的ndarray，pandas.lib.fast_zip可以在cython循环中快速完成此操作。

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]