Question

我想合并几个系列中的分类映射，以将该合并重新分配给这些系列作为其分类映射。然而 pd.api.types.union_categoricals不会合并传递给它的分类的重复元素。您应该如何合并类别 whiltst 合并重复项？

请考虑以下代码段：

import pandas as pd

ac = pd.Categorical(['a1','a2', 'b1'])
bc = pd.Categorical(['b1','b2', 'a1'])

af = pd.DataFrame(pd.Series(ac, dtype="category", name='a'))
bf = pd.DataFrame(pd.Series(bc, dtype="category", name='b'))

all_categories = pd.api.types.union_categoricals([ac, bc])

print(all_categories)

af.a = af.a.cat.set_categories(all_categories)
bf.b = bf.b.cat.set_categories(all_categories)

df = af.join(bf)

对于打印语句，我得到

[a1, a2, b1, b1, b2, a1]
Categories (4, object): [a1, a2, b1, b2]

第af.a = af.a.cat.set_categories(all_categories)行给我错误ValueError: Categorical categories must be unique。

好...如果联合会违反直觉地不执行合并重复项的实际集合式联合，那我应该怎么做呢？

重申：我打算af.a和bf.b共享相同的分类映射。为此，我首先要合并其映射，并用合并的映射替换该系列的原始映射。当all_categories没有重复项时，该代码有效。

Answer 1

以下方法可以工作，但是感觉像是一种解决方法，而且不太优雅：

import pandas as pd

ac = pd.Categorical(['a1','a2', 'b1'])
bc = pd.Categorical(['b1','b2', 'a1'])

af = pd.DataFrame(pd.Series(ac, dtype="category", name='a'))
bf = pd.DataFrame(pd.Series(bc, dtype="category", name='b'))

all_categories = pd.Series(pd.api.types.union_categoricals([ac, bc]))
all_categories.drop_duplicates()

af.a = af.a.cat.set_categories(all_categories.cat.categories)
bf.b = bf.b.cat.set_categories(all_categories.cat.categories)

合并分类：如何处理重复项

1 个答案: