Categorieën bijwerken

Werken met categorische data in Python

Kasey Jones

Research Data Scientist

De variabele breed

Aantallen per ras:

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
...

Categorieën hernoemen

De methode rename_categories:

Series.cat.rename_categories(new_categories=dict)

Maak een dictionary:

my_changes = {"Unknown Mix": "Unknown"}

Hernoem de categorie:

dogs["breed"] = dogs["breed"].cat.rename_categories(my_changes)

De bijgewerkte variabele breed

Aantallen per ras:

dogs["breed"].value_counts()

Unknown                     1524
German Shepherd Dog Mix     190
Dachshund Mix               147
Labrador Retriever Mix      83
Staffordshire Terrier Mix   62
...

Meerdere wijzigingen tegelijk:

my_changes = {
  old_name1: new_name1,
  old_name2: new_name2,
  ...
}
Series.cat.rename_categories(
  my_changes
)

Categorieën hernoemen met een functie

Meerdere categorieën updaten:

dogs['sex'] = dogs['sex'].cat.rename_categories(lambda c: c.title())

dogs['sex'].cat.categories

Index(['Female', 'Male'], dtype='object')

Veelvoorkomende vervangingsproblemen

Moet nieuwe categorienamen gebruiken

# Werkt niet! "Unknown" bestaat al
use_new_categories = {"Unknown Mix": "Unknown"}

Je kunt niet twee categorieën samenvoegen tot één

# Werkt niet! Nieuwe namen moeten uniek zijn
cannot_repeat_categories = {
    "Unknown Mix": "Unknown",
    "Mixed Breed": "Unknown"
}

Categorieën samenvoegen: setup

De kleur van een hond:

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')
...

Categorieën samenvoegen: voorbeeld

Maak een dictionary en gebruik .replace:

update_colors = {
    "black and brown": "black",
    "black and tan": "black",
    "black and white": "black",
}

dogs["main_color"] = dogs["color"].replace(update_colors)

Check het dtype van de Series:

dogs["main_color"].dtype

dtype('O')

Terugzetten naar categorisch

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')

Tijd om te oefenen

Werken met categorische data in Python