如何查看Python pandas列文本因式分解对应的数值映射关系

实现逻辑 #

pd.factorize()返回值为二元元组：第一个元素是编码后的整数数组，第二个元素是按编码顺序排列的原始唯一文本值。现有逻辑里给编码值统一加了1，因此原始唯一值从1开始计数的序号，刚好和DataFrame里存储的编码一一对应，在循环处理列时提取这部分内容打印即可。

场景参考 #

• 因式分解前的原始文本数据：
  
• 原有基础因式分解代码：

def factorize_fun(df):
    obj_cols = df.loc[:, df.dtypes == object].columns
    for col in obj_cols:
        df[col] = pd.factorize(df[col])[0] +1
    return df

df=factorize_fun(df)

• 因式分解后的数据效果：
  

可直接运行的完整代码 #

版本1：直接按要求格式打印映射 #

处理每列时自动打印列名、以及编码和原始文本的对应关系，和期望的输出格式完全一致：

import pandas as pd

def factorize_fun(df):
    obj_cols = df.loc[:, df.dtypes == object].columns
    for col in obj_cols:
        codes, uniques = pd.factorize(df[col])
        df[col] = codes + 1
        # 按指定格式输出映射
        print(col)
        for code_num, text_val in enumerate(uniques, start=1):
            print(f"{code_num} {text_val}")
        # 列之间加空行分隔，提升可读性
        print()
    return df

df = factorize_fun(df)

版本2：打印同时保存映射字典供后续调用 #

如果后续需要反向查询编码对应的文本值，可以把映射关系存为字典返回：

import pandas as pd

def factorize_fun(df):
    obj_cols = df.loc[:, df.dtypes == object].columns
    factorize_mapping = {}
    for col in obj_cols:
        codes, uniques = pd.factorize(df[col])
        df[col] = codes + 1
        # 构建当前列的 编码:原始文本 映射
        col_map = {idx: val for idx, val in enumerate(uniques, start=1)}
        factorize_mapping[col] = col_map
        # 按指定格式打印
        print(col)
        for code_num, text_val in col_map.items():
            print(f"{code_num} {text_val}")
        print()
    return df, factorize_mapping

# 调用时同时拿到处理后的数据和全量映射
df, code_map = factorize_fun(df)

输出效果示例 #

执行代码后控制台会逐列输出对应关系，格式如下：

kindly specify your gender
1 Male
2 Female

内容的提问来源于stack exchange，提问作者Hammad Shahzad