Pandas : Comment utiliser factorize() pour encoder des chaînes sous forme de nombres

La fonction pandas factorize() peut être utilisée pour coder des chaînes sous forme de valeurs numériques.

Vous pouvez utiliser les méthodes suivantes pour appliquer la fonction factorize() aux colonnes d’un DataFrame pandas :

Méthode 1 : Factoriser une colonne

df['col1'] = pd.factorize(df['col'])[0]

Méthode 2 : Factoriser des colonnes spécifiques

df[['col1', 'col3']] = df[['col1', 'col3']].apply(lambda x: pd.factorize(x)[0])

Méthode 3 : factoriser toutes les colonnes

df = df.apply(lambda x: pd.factorize(x)[0])

L’exemple suivant montre comment utiliser chaque méthode avec le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'conf': ['West', 'West', 'East', 'East'],
                   'team': ['A', 'B', 'C', 'D'],
                   'position': ['Guard', 'Forward', 'Guard', 'Center'] })

#view DataFrame
df

   conf team position
0  West    A    Guard
1  West    B  Forward
2  East    C    Guard
3  East    D   Center

Exemple 1 : Factoriser une colonne

Le code suivant montre comment factoriser une colonne dans le DataFrame :

#factorize the conf column only
df['conf'] = pd.factorize(df['conf'])[0]

#view updated DataFrame
df

	conf	team	position
0	0	A	Guard
1	0	B	Forward
2	1	C	Guard
3	1	D	Center

Notez que seule la colonne ‘conf’ a été factorisée.

Chaque valeur qui était « Ouest » est maintenant 0 et chaque valeur qui était « Est » est maintenant 1.

Exemple 2 : Factoriser des colonnes spécifiques

Le code suivant montre comment factoriser des colonnes spécifiques dans le DataFrame :

#factorize conf and team columns only
df[['conf', 'team']] = df[['conf', 'team']].apply(lambda x: pd.factorize(x)[0])

#view updated DataFrame
df

        conf	team	position
0	0	0	Guard
1	0	1	Forward
2	1	2	Guard
3	1	3	Center

Notez que les colonnes « conf » et « team » ont toutes deux été factorisées.

Exemple 3 : Factoriser toutes les colonnes

Le code suivant montre comment factoriser toutes les colonnes du DataFrame :

#factorize all columns
df = df.apply(lambda x: pd.factorize(x)[0])

#view updated DataFrame
df

     conf	team	position
0	0	0	0
1	0	1	1
2	1	2	0
3	1	3	2

Notez que toutes les colonnes ont été factorisées.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans les pandas :

Comment convertir les colonnes Pandas DataFrame en chaînes
Comment convertir une variable catégorielle en numérique dans Pandas
Comment convertir les colonnes Pandas DataFrame en nombre entier