在pandas使用的过程中我们会发现有两个函数的功能有很多相似之处。它们就是get_dummies()和factorize()，它们功能上都是对分类变量进行操作。那么get_dummies()和factorize()有什么区别呢？接下来的这篇文章告诉你。
1.get_dummies()
pandas.get_dummies(data, prefix=None, prefix_sep=’_’, dummy_na=False, columns=None,sparse=False, drop_first=False)：Convert categorical variable into dummy/indicator variables
>>> import pandas as pd
>>> s = pd.Series(list('abca'))
>>> pd.get_dummies(s)
a b c
0 1 0 0
1 0 1 0
2 0 0 1
3 1 0 02.pd.factorize()
pandas.factorize(values, sort=False, order=None, na_sentinel=-1,size_hint=None)：Encode input values as an enumerated type or categorical variable
Series.factorize(sort=False, na_sentinel=-1):Encode the object as an enumerated type or categorical variable
Pandas有一个方法叫做factorize()，它可以创建一些数字，来表示类别变量，对每一个类别映射一个ID，这种映射最后只生成一个特征，不像dummy那样生成多个特征。
| Parameters: |
sort : boolean, default False
na_sentinel: int, default -1
|
|---|---|
| Returns: |
labels : the indexer to the original array uniques : the unique Index |
labels：对应的编码array
uniques:需要编码的类型
补充：pandas.get_dummies 的使用及含义
get_dummies 是利用pandas实现one hot encode的方式
get_dummies参数如下：
pandas.get_dummies（data，prefix = None，prefix_sep =’_’，dummy_na = False，columns = None，sparse = False，drop_first = False，dtype = None ）
data ： array-like，Series或DataFrame
prefix ：string，字符串列表或字符串dict，默认为None，
用于追加DataFrame列名的字符串。在DataFrame上调用get_dummies时，传递一个长度等于列数的列表。或者，前缀 可以是将列名称映射到前缀的字典。
prefix_sep ： string，默认为’_’
如果附加前缀，分隔符/分隔符要使用。或者传递与前缀一样的列表或字典。
dummy_na ： bool，默认为False
如果忽略False NaN，则添加一列以指示NaN。
columns ： 类似列表，默认为无
要编码的DataFrame中的列名称。如果列是None，那么所有与列 对象或类别 D型细胞将被转换。
sparse ： bool，默认为False
伪编码列是否应由SparseArray（True）或常规NumPy数组（False）支持。
drop_first ： bool，默认为False
是否通过删除第一级别从k分类级别获得k-1个假人。
版本0.18.0中的新功能。
dtype： D型，默认np.uint8
新列的数据类型。只允许一个dtype。
版本0.23.0中的新功能。
实例
prefix自定义前缀
以上就是get_dummies()和factorize()有什么区别的全部内容，希望能给大家一个参考，也希望大家多多支持W3Cschool。
