python - 使用 pandas 将 CSV 列读取为分类变量

Question

pandas 可以识别数据框中的哪些列是分类的，而无需我们在读取 csv 文件时显式指定列。类似于 R 中的 StringAsFactor。我尝试搜索，但得到的结果是我们将列创建为分类，或者指定在读取文件时将哪一列视为分类。我需要 Pandas 来识别。任何帮助将非常感激。预先感谢!

Answer 1

是的。您可以在使用 read_* 加载列时指定哪些列属于分类类型。例如，考虑一个示例 CSV -

Col
a
b
c
a
b
b
c

现在，使用 read_csv 读取此内容，指定 dtype 参数 -

df = pd.read_csv('file.csv', dtype={'Col' : 'category'})

df['Col']

0    a
1    b
2    c
3    a
4    b
5    b
6    c
Name: Col, dtype: category
Categories (3, object): [a, b, c]

<小时/>

如果您有未知数量的分类列，您可以读入它们，然后将它们一一转换 -

df = pd.read_csv('file.csv')

for c in df.columns[df.dtypes == object]: # df.dtypes == 'object'
    df[c] = df[c].astype('category')