Question

为什么在将列转换为pandas中的类别时会收到两种不同的行为？

举个例子，假设我使用

创建一个数据框

>>> import pandas as pd
>>> import numpy as np
>>> pd.__version__
u'0.22.0'
>>> np.__version__
'1.14.0'
>>> df = pd.DataFrame(columns=['nombre'], data=[1,2,3,4])

现在我将我的列转换为对象：

>>> df['nombre'] = df['nombre'].astype('object')
>>> print(df['nombre'].dtype)
object

dtype现在是对象。

>>> df['nombre'] = df['nombre'].astype('category')
>>> print(df['nombre'].cat.categories.dtype.name)
int64

转换为类别后，内部dtype为int64。

让我们重新开始使用新数据框

>>> del df
>>> df = pd.DataFrame(columns=['nombre'], data=[1,2,3,4])

这一次，我们将内部列转换为＆＃39; str＆＃39;

>>> df['nombre'] = df['nombre'].astype('str')
>>> print(df['nombre'].dtype)
object

内部表示是一个对象。这是有道理的，因为我们转换为了一个＆＃39;。

>>> df['nombre'] = df['nombre'].astype('category')
>>> print(df['nombre'].cat.categories.dtype.name)
object

转换为类别后，内部dtype现在是object，这与我们之前收到的int64不同？

所以我的问题如下，为什么在从对象dtype转换为类别时会收到两种不同的行为？

Answer 1

.astype(object)不会将数字转换为字符串。它将数字转换为相应的Python对象（在您的示例中，numpy.int64转换为Python int）。

例如，

df = pd.DataFrame(columns=['nombre'], data=[1,2,3,4])

type(df['nombre'][0])
Out[64]: numpy.int64


df['nombre'] = df['nombre'].astype('object')

type(df['nombre'][0])
Out[66]: int

但是当你使用astype(str)时，它会将所有内容转换为字符串。在这样做的同时，它也将系列转换为对象系列。这是因为它是唯一可以保存字符串的dtype。

df['nombre'] = df['nombre'].astype('str')

type(df['nombre'][0])
Out[69]: str

所以这只与你的输入数据有关。在第一个传递整数时，你得到一个整数数组。在传递字符串的第二个中，您将获得一个对象数组。

还有术语＆＃34;内部dtype＆＃34;可能不合适。这是包含类别的系列的dtype;不是他们的代码。在这两个示例中，df['nombre'].cat.codes是内部表示，其dtype是int8。

为什么在从对象或str转换为类别时dtype是不同的？

1 个答案: