les pandas.factoriser sur l'ensemble d'un bloc de données

Vous pouvez utiliser apply si vous avez besoin de factorize chaque colonne séparément:

df = pd.DataFrame({'A':['type1','type2','type2'],
                   'B':['type1','type2','type3'],
                   'C':['type1','type3','type3']})

print (df)
       A      B      C
0  type1  type1  type1
1  type2  type2  type3
2  type2  type3  type3

print (df.apply(lambda x: pd.factorize(x)[0]))
   A  B  C
0  0  0  0
1  1  1  1
2  1  2  1

Si vous avez besoin pour la même chaîne de valeur de la même numérique:

print (df.stack().rank(method='dense').unstack())
     A    B    C
0  1.0  1.0  1.0
1  2.0  2.0  3.0
2  2.0  3.0  3.0

---

Si vous avez besoin d'appliquer la fonction uniquement pour certaines colonnes, utiliser un sous-ensemble:

df[['B','C']] = df[['B','C']].stack().rank(method='dense').unstack()
print (df)
       A    B    C
0  type1  1.0  1.0
1  type2  2.0  3.0
2  type2  3.0  3.0

Solution avec factoriser:

stacked = df[['B','C']].stack()
df[['B','C']] = pd.Series(stacked.factorize()[0], index=stacked.index).unstack()
print (df)
       A  B  C
0  type1  0  0
1  type2  1  2
2  type2  2  2

Traduire est possible via map par dict, où vous avez besoin de supprimer les doublons par drop_duplicates:

vals = df.stack().drop_duplicates().values
b = [x for x in df.stack().drop_duplicates().rank(method='dense')]

d1 = dict(zip(b, vals))
print (d1)
{1.0: 'type1', 2.0: 'type2', 3.0: 'type3'}

df1 = df.stack().rank(method='dense').unstack()
print (df1)
     A    B    C
0  1.0  1.0  1.0
1  2.0  2.0  3.0
2  2.0  3.0  3.0

print (df1.stack().map(d1).unstack())
       A      B      C
0  type1  type1  type1
1  type2  type2  type3
2  type2  type3  type3

OriginalL'auteur jezrael

Je voudrais rediriger ma réponse: https://stackoverflow.com/a/32011969/1694714

Vieille réponse

Un autre lisible solution pour ce problème, lorsque vous souhaitez conserver les catégories uniforme à l'échelle de l'résultant DataFrame est à l'aide de remplacer:

def categorise(df):
    categories = {k: v for v, k in enumerate(df.stack().unique())}
    return df.replace(categories)

Des performances légèrement pire que l'exemple de @jezrael, mais plus facile à lire. Aussi, il pourrait dégénérer mieux pour les grands ensembles de données. Je peux faire quelques tests appropriés si quelqu'un est intéressé.

OriginalL'auteur tbrittoborges