Actualizar categorías
Trabajar con datos categóricos en Python
Kasey Jones
Research Data Scientist
La variable breed
Recuentos de valores de raza:
dogs["breed"] = dogs["breed"].astype("category")
dogs["breed"].value_counts()
Unknown Mix 1524
German Shepherd Dog Mix 190
Dachshund Mix 147
Labrador Retriever Mix 83
Staffordshire Terrier Mix 62
...
Renombrar categorías
El método rename_categories:
Series.cat.rename_categories(new_categories=dict)
Crea un diccionario:
my_changes = {"Unknown Mix": "Unknown"}
Renombra la categoría:
dogs["breed"] = dogs["breed"].cat.rename_categories(my_changes)
La variable breed actualizada
Recuentos de valores de raza:
dogs["breed"].value_counts()
Unknown 1524
German Shepherd Dog Mix 190
Dachshund Mix 147
Labrador Retriever Mix 83
Staffordshire Terrier Mix 62
...
Varios cambios a la vez:
my_changes = {
old_name1: new_name1,
old_name2: new_name2,
...
}
Series.cat.rename_categories(
my_changes
)
Renombrar categorías con una función
Actualiza varias categorías:
dogs['sex'] = dogs['sex'].cat.rename_categories(lambda c: c.title())dogs['sex'].cat.categories
Index(['Female', 'Male'], dtype='object')
Problemas comunes al reemplazar
- Debes usar nombres de categoría nuevos
# ¡No funciona! "Unknown" ya existe
use_new_categories = {"Unknown Mix": "Unknown"}
- No puedes combinar dos categorías en una
# ¡No funciona! Los nombres nuevos deben ser únicos
cannot_repeat_categories = {
"Unknown Mix": "Unknown",
"Mixed Breed": "Unknown"
}
Preparar la fusión de categorías
El color de un perro:
dogs["color"] = dogs["color"].astype("category")
print(dogs["color"].cat.categories)
Index(['apricot', 'black', 'black and brown', 'black and tan',
'black and white', 'brown', 'brown and white', 'dotted', 'golden',
'gray', 'gray and black', 'gray and white', 'red', 'red and white',
'sable', 'saddle back', 'spotty', 'striped', 'tricolor', 'white',
'wild boar', 'yellow', 'yellow-brown'],
dtype='object')
...
Ejemplo de fusión de categorías
Crea un diccionario y usa .replace:
update_colors = {
"black and brown": "black",
"black and tan": "black",
"black and white": "black",
}
dogs["main_color"] = dogs["color"].replace(update_colors)
Comprueba el tipo de la Serie:
dogs["main_color"].dtype
dtype('O')
Volver a convertir a categórica
dogs["main_color"] = dogs["main_color"].astype("category")
dogs["main_color"].cat.categories
Index(['apricot', 'black', 'brown', 'brown and white', 'dotted', 'golden',
'gray', 'gray and black', 'gray and white', 'red', 'red and white',
'sable', 'saddle back', 'spotty', 'striped', 'tricolor', 'white',
'wild boar', 'yellow', 'yellow-brown'],
dtype='object')
Hora de practicar
Trabajar con datos categóricos en Python
