Aktualizace kategorií

Working with Categorical Data in Python

Kasey Jones

Research Data Scientist

Proměnná breed

Počty výskytů plemene:

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
...

Přejmenování kategorií

Metoda rename_categories:

Series.cat.rename_categories(new_categories=dict)

Vytvoření slovníku:

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

Přejmenování kategorie:

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

Aktualizovaná proměnná breed

Počty výskytů plemene:

dogs["breed"].value_counts()

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

Více změn najednou:

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

Přejmenování kategorií pomocí funkce

Aktualizace více kategorií:

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

dogs['sex'].cat.categories

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

Časté problémy při nahrazování

Musí se používat nové názvy kategorií

# Does not work! "Unknown" already exists
use_new_categories = {"Unknown Mix": "Unknown"}

Dvě kategorie nelze sloučit do jedné

# Does not work! New names must be unique
cannot_repeat_categories = {
    "Unknown Mix": "Unknown",
    "Mixed Breed": "Unknown"
}

Příprava na slučování kategorií

Barva psa:

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')
...

Příklad slučování kategorií

Vytvoření slovníku a použití .replace:

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

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

Kontrola datového typu Series:

dogs["main_color"].dtype

dtype('O')

Převod zpět na kategorický typ

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')

Čas na procvičení

Working with Categorical Data in Python