Question

我尝试将数据帧df的特定列转换为分类数据类型！或者R编程指的是factor。

import pandas as pd
import numpy as np
df = pd.DataFrame(data=np.array([[1,1,2,2,3,3]]))
df = df.T
df[0].describe()

产量

count    6.000000
mean     2.000000
std      0.894427
min      1.000000
25%      1.250000
50%      2.000000
75%      2.750000
max      3.000000
Name: 0, dtype: float64

转换为＆＃39;类别＆＃39;

后

df[0] = df[0].astype('category')
df[0].describe()

产量

count     6
unique    3
top       3
freq      2
Name: 0, dtype: int64

预期输出：我使用正确的代码（我试图弄清楚）将列的数据类型转换为类别后，我想要df[0].describe()显示类似

的内容

dtype: category
Categories (3, object): [1, 2, 3]

我想我知道自己哪里出错了。当我转换为分类数据类型时，我觉得我需要明确提到不同的类别或不同的级别。如果你能指出我正确的方向做这件事，我会很高兴。

每个具有object数据类型的列都可以被视为category数据类型吗？如果您能突出显示“对象”之间的一些主要差异，将会很有帮助。数据类型和＆＃39;类别＆＃39;。

此外，在为机器学习实现单热编码时，我理解，它用于将分类功能转换为数字功能，因此您可以将它们插入到sci-kit中。那么（用更正式的术语）这是否意味着，单热编码有助于将object或category的数据类型转换为int64数据类型？

从评论中解决的问题：输入df [0]和df [0] .describe（）之间存在差异，只需打印df[0]显示的数据类型为{{1} }，而category将其显示为int64。

Answer 1

键入然后向下滚动

df[0]
Out[942]: 
0    1
1    1
2    2
3    2
4    3
5    3
Name: 0, dtype: category
Categories (3, int64): [1, 2, 3]

根据我的理解，不同的基础：categroy将继续保持原始级别，当您执行某些数据slice时，这是一个很好的技巧，您不想保留value但是你想要输出中的level

在更改为category之前

df[0].value_counts()
Out[947]: 
3    2
2    2
1    2
Name: 0, dtype: int64


df1=df.iloc[2:3]
df1[0].value_counts()
Out[956]: 
2    1
Name: 0, dtype: int64

更改为类别后

df[0] = df[0].astype('category')
df1=df.iloc[2:3]
df1
Out[953]: 
   0
2  2


df1[0].value_counts()

Out[954]: 
2    1
3    0
1    0

as.type（＆＃39;类别＆＃39;）没有从＆＃39; float64＆＃39;

1 个答案: