python-.astype(‘categorical’)和`pd.Catego

发布时间：2020-12-17 17:38:54 所属栏目：Python 来源：网络整理

导读：我有一个带有字符串列(名称：14)的数据集,我想将其转换为解释为分类特征.据我所知,有两种方法可以做到这一点： pd.Categorical(data[14])data[14].astype('category') 虽然这两个结果都具有相同的.dtype：CategoricalDtype(categories = [ 50K],ordered = Fa

我有一个带有字符串列(名称：14)的数据集,我想将其转换为解释为分类特征.据我所知,有两种方法可以做到这一点：

pd.Categorical(data[14])
data[14].astype('category')

虽然这两个结果都具有相同的.dtype：CategoricalDtype(categories = [‘< = 50K','> 50K’],ordered = False),但它们并不相同.

在结果上调用.describe()会产生不同的输出.第一个输出有关各个类别的信息,而第二个(astype(..))生成典型的描述输出,其中包含count,unique,top,freq和name,并列出dtype：对象.

我的问题是,为什么/它们有何不同？

这个数据集：http://archive.ics.uci.edu/ml/datasets/Adult

data = pd.read_csv("./adult/adult.data",header=None)

pd.Categorical(data[14]).describe()
data[14].astype('category').describe()

pd.Categorical(data[14]).dtype
data[14].astype('category').dtype

最佳答案

作为Bakuriu points out,type(pd.Categorical(data [14]))是Categorical,而
type(data [14] .astype(‘category’))是Series：

import pandas as pd
data = pd.read_csv("./adult/adult.data",header=None)

cat = pd.Categorical(data[14])
ser = data[14].astype('category')
print(type(cat))
# pandas.core.arrays.categorical.Categorical
print(type(ser))
# pandas.core.series.Series

describe()的行为不同
因为Categorical.describe的定义不同于Series.describe.

每当调用Categorical.describe()时,您都会获得每个类别的计数和频率：

In [174]: cat.describe()
Out[174]: 
            counts    freqs
categories                 
 <=50K       24720  0.75919
 >50K         7841  0.24081

每当您在分类系列you’ll get count,unique,top and freq上调用Series.describe()时,请注意count和freq在这里也具有不同的含义：

In [175]: ser.describe()
Out[175]: 
count      32561
unique         2
top        <=50K
freq       24720
Name: 14,dtype: object

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

python-.astype(&#8216;categorical&#8217;)和`pd.Catego

python-.astype(‘categorical’)和`pd.Catego