Ange kategorivaribler

Arbeta med kategoriska data i Python

Kasey Jones

Research Data Scientist

Ny datamängd: hundar för adoption

dogs.info()  

RangeIndex: 2937 entries, 0 to 2936, Data columns (total 19 columns):
 #   Column             Non-Null Count  Dtype  
 --  ------             --------------  -----  
 0   ID                 2937 non-null   int64  
 ...
 8   color              2937 non-null   object 
 9   coat               2937 non-null   object 
 ...
 17  get_along_cats     431 non-null    object 
 18  keep_in            1916 non-null   object 
dtypes: float64(1), int64(1), object(17)
memory usage: 436.1+ KB
...
1 https://www.kaggle.com/jmolitoris/adoptable-dogs
Arbeta med kategoriska data i Python

En hunds päls

dogs["coat"] = dogs["coat"].astype("category")
dogs["coat"].value_counts(dropna=False)

short         1972
medium         565
wirehaired     220
long           180
Name: coat, dtype: int64
Arbeta med kategoriska data i Python

Accessorobjektet .cat

Series.cat.method_name

Vanliga parametrar:

  • new_categories: en lista med kategorier
  • inplace: Boolean – anger om uppdateringen ska skriva över Series
  • ordered: Boolean – anger om kategorin behandlas som ordnad
Arbeta med kategoriska data i Python

Ange kategorier för en Series

Ange kategorier:

dogs["coat"] = dogs["coat"].cat.set_categories(
  new_categories=["short", "medium", "long"]
)

Kontrollera värderäkningar:

dogs["coat"].value_counts(dropna=False)

short     1972
medium     565
NaN        220
long       180
Arbeta med kategoriska data i Python

Ange ordning

dogs["coat"] = dogs["coat"].cat.set_categories(
  new_categories=["short", "medium", "long"],
  ordered=True
)
dogs["coat"].head(3)

0     short
1     short
2     short
Name: coat, dtype: category
Categories (3, object): ['short' < 'medium' < 'long']
Arbeta med kategoriska data i Python

Saknade kategorier

dogs["likes_people"].value_counts(dropna=False)

yes    1991
NaN     938
no        8

Ett NaN kan betyda:

  1. Verkligen okänt (vi kontrollerade inte)
  2. Osäkert (hunden gillar "vissa" människor)
Arbeta med kategoriska data i Python

Lägga till kategorier

Lägg till kategorier

dogs["likes_people"] = dogs["likes_people"].astype("category")
dogs["likes_people"] = dogs["likes_people"].cat.add_categories(
  new_categories=["did not check", "could not tell"]
)

Kontrollera kategorier:

dogs["likes_people"].cat.categories

Index(['no', 'yes', 'did not check', 'could not tell'], dtype='object')
Arbeta med kategoriska data i Python

Nya kategorier

dogs["likes_people"].value_counts(dropna=False)

yes               1991
NaN                938
no                   8
could not tell       0
did not check        0
Arbeta med kategoriska data i Python

Ta bort kategorier

dogs["coat"] = dogs["coat"].astype("category")
dogs["coat"] = dogs["coat"].cat.remove_categories(removals=["wirehaired"])

Kontrollera kategorierna:

dogs["coat"].cat.categories

Index(['long', 'medium', 'short'], dtype='object')
Arbeta med kategoriska data i Python

Metodöversikt

  • Ange: cat.set_categories()
    • Kan användas för att ange kategoriernas ordning
    • Alla värden som inte anges i metoden tas bort
  • Lägga till: cat.add_categories()
    • Ändrar inte något värde i DataFrame
    • Kategorier som inte anges i metoden lämnas oförändrade
  • Ta bort: cat.remove_categories()
    • Värden som matchar angivna kategorier sätts till NaN
Arbeta med kategoriska data i Python

Nu kör vi en övning!

Arbeta med kategoriska data i Python

Preparing Video For Download...