設定類別變數

在 Python 中處理類別資料

Kasey Jones

Research Data Scientist

新資料集：可領養的狗

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
在 Python 中處理類別資料

狗的毛長

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

short         1972
medium         565
wirehaired     220
long           180
Name: coat, dtype: int64
在 Python 中處理類別資料

.cat 存取器物件

Series.cat.method_name

常見參數：

  • new_categories：類別清單
  • inplace：布林值—是否就地覆寫這個 Series
  • ordered：布林值—是否視為有序類別
在 Python 中處理類別資料

設定 Series 類別

設定類別：

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

檢查數量分佈：

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

short     1972
medium     565
NaN        220
long       180
在 Python 中處理類別資料

設定排序

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']
在 Python 中處理類別資料

遺漏的類別

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

yes    1991
NaN     938
no        8

NaN 可能代表：

  1. 真的未知（尚未檢查）
  2. 不確定（狗只喜歡「某些」人）
在 Python 中處理類別資料

新增類別

加入類別

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"]
)

檢查類別：

dogs["likes_people"].cat.categories

Index(['no', 'yes', 'did not check', 'could not tell'], dtype='object')
在 Python 中處理類別資料

新加入的類別

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

yes               1991
NaN                938
no                   8
could not tell       0
did not check        0
在 Python 中處理類別資料

移除類別

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

檢查類別：

dogs["coat"].cat.categories

Index(['long', 'medium', 'short'], dtype='object')
在 Python 中處理類別資料

方法總結

  • 設定：cat.set_categories()
    • 可用來設定類別的順序
    • 未在此方法指定的值會被移除
  • 新增：cat.add_categories()
    • 不會改變 DataFrame 中任何資料的值
    • 未列出的類別不受影響
  • 移除：cat.remove_categories()
    • 與所列類別相符的值會被設為 NaN
在 Python 中處理類別資料

實作：更新類別

在 Python 中處理類別資料

Preparing Video For Download...