Question

我试图了解pandas是否支持在分类数据列上合并DataFrame（即dtype =＆＃34; category＆＃34;）。

我的大部分数据都在R中工作，但我正在尝试在Python / pandas中做更多的工作。在R中，合并因子（类似于分类dtype）诱导类型强制，通常是字符。这允许一个数据帧具有指定为因子（分类）的副变量（连接列），而另一个数据帧具有作为字符串的副变量。在合并/加入之前，pandas是否会对分类数据执行类似的强制转换？我是否应该期望合并分类是否健全？我在哪里可以找到关于熊猫（自动）类型强制的文档？

简单示例：

+++测试分类向量与非分类/非标量向量的相等性是错误的：

In [52]:
import pandas as pd

a = pd.Series(['a','b','c'],dtype="category")
b = pd.Series(['a','b','c'],dtype="object")
c = pd.Series(['a','b','cc'],dtype="object")

In [54]:

a==b

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
...
TypeError: Cannot compare a Categorical for op <built-in function eq> with type <class         'numpy.ndarray'>. If you want to compare values, use 'series <op> np.asarray(cat)'.

+++但是在不同类型的列上合并DataFrame - 一个分类，一个字符串 - 不会抛出错误（至少在这个简单的情况下）。必须发生某种类型的强制：

In [59]:
A = pd.DataFrame({'A':a,'B':[1,2,3]})
B = pd.DataFrame({'A':b,'C':[4,5,6]})
print(A.merge(B,on='A'))
   A  B  C
0  a  1  4
1  b  2  5
2  c  3  6

Answer 1

简而言之，在0.15.1中，合并行为已经改变（实际上是固定的），以允许合并具有完全相同类别的分类。此外，如果允许合并对象数组，则返回的合并的结果字符现在将是对象（IIRC）。我不记得我们是否试图将其推断回分类。

我创建了一个问题here，供讨论。

上面显示的相等，例如不允许比较分类与对象dtypes，而最近扩展了合并行为以允许合并类似分类和对象dtypes（假设所有合并的分类共享相同的类别）。

所以我认为允许平等工作只是API无法追赶。我们将在0.16.0中解决这个问题，但请提供有关该问题的评论。

PR为here

这将是即将发布的0.15.2版本（定于2014年12月7日这一周）

将Pandas DataFrames合并到分类序列中

1 个答案: