如何在Polars中实现类似Pandas pd.factorize()的Ordinal encoding？

要在Polars中实现和Pandas pd.factorize() 完全一致的序数编码效果，直接使用Polars内置的 pl.Expr.factorize() 方法即可，它会按值的首次出现顺序生成从0开始的连续整数编码。

实现代码 #

import polars as pl

df = pl.DataFrame({"a": [5, 8, 10], "b": ["hi", "hello", "hi"]})

# 对目标列执行序数编码，替换原列
encoded_df = df.with_columns(
    pl.col("a").factorize()[0].cast(pl.Int64).alias("a"),
    pl.col("b").factorize()[0].cast(pl.Int64).alias("b")
)

print(encoded_df)

输出结果 #

┌─────┬─────┐
│ a   ┆ b   │
│ --- ┆ --- │
│ i64 ┆ i64 │
╞═════╪═════╡
│ 0   ┆ 0   │
│ 1   ┆ 1   │
│ 2   ┆ 0   │
└─────┴─────┘

关键说明 #

• factorize() 返回一个元组：第一个元素是编码后的列（默认类型为u32，通过.cast(pl.Int64)可转为示例中的i64类型），第二个元素是该列的唯一值集合。
• 若需保留原始列，只需修改alias为新列名，例如.alias("a_encoded")。

内容的提问来源于stack exchange，提问作者nleh