Uppdatera kategorier

Arbeta med kategoriska data i Python

Kasey Jones

Research Data Scientist

Variabeln breed

Värdeantal för 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
...

Byta namn på kategorier

Metoden rename_categories:

Series.cat.rename_categories(new_categories=dict)

Skapa en dictionary:

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

Byt namn på kategorin:

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

Den uppdaterade rasvariabeln

Värdeantal för ras:

dogs["breed"].value_counts()

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

Flera ändringar på en gång:

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

Byta namn på kategorier med en funktion

Uppdatera flera kategorier:

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

dogs['sex'].cat.categories

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

Vanliga problem vid namnbyte

Nya kategorinamn måste användas

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

Två kategorier kan inte slås ihop till en

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

Förberedelse för att slå ihop kategorier

En hunds färg:

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')
...

Exempel på att slå ihop kategorier

Skapa en dictionary och använd .replace:

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

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

Kontrollera seriens datatyp:

dogs["main_color"].dtype

dtype('O')

Konvertera tillbaka till kategorisk 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')

Nu kör vi en övning!

Arbeta med kategoriska data i Python