Actualizarea categoriilor

Lucrul cu date categoriale în Python

Kasey Jones

Research Data Scientist

Variabila rasă

Numărul de apariții pe rasă:

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
...

Redenumirea categoriilor

Metoda rename_categories:

Series.cat.rename_categories(new_categories=dict)

Creați un dicționar:

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

Redenumiți categoria:

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

Variabila rasă actualizată

Numărul de apariții pe rasă:

dogs["breed"].value_counts()

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

Mai multe modificări simultan:

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

Redenumirea categoriilor cu o funcție

Actualizați mai multe categorii:

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

dogs['sex'].cat.categories

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

Probleme frecvente la redenumire

Trebuie folosite nume noi de categorii

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

Nu se pot combina două categorii într-una

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

Configurare pentru gruparea categoriilor

Culoarea câinilor:

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')
...

Exemplu de grupare a categoriilor

Creați un dicționar și folosiți .replace:

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

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

Verificați tipul de date al seriei:

dogs["main_color"].dtype

dtype('O')

Reconvertire la tip categoric

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')

Timp de practică

Lucrul cu date categoriale în Python