更新類別

在 Python 中處理類別資料

Kasey Jones

Research Data Scientist

品種變數

品種次數統計：

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
...

重新命名類別

rename_categories 方法：

Series.cat.rename_categories(new_categories=dict)

建立字典：

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

重新命名類別：

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

更新後的品種變數

品種次數統計：

dogs["breed"].value_counts()

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

一次進行多項變更：

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

以函式重新命名類別

用函式批次更新類別：

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

dogs['sex'].cat.categories

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

常見替換問題

必須使用全新類別名稱

# 無效！"Unknown" 已存在
use_new_categories = {"Unknown Mix": "Unknown"}

不能把兩個類別合併為一個

# 無效！新名稱必須唯一
cannot_repeat_categories = {
    "Unknown Mix": "Unknown",
    "Mixed Breed": "Unknown"
}

合併類別：前置作業

狗的毛色：

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')
...

合併類別範例

建立字典並使用 .replace：

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

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

檢查 Series 資料型別：

dogs["main_color"].dtype

dtype('O')

轉回類別型別

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')

Practice time

在 Python 中處理類別資料