python - CategoricalDType 列上的 Pandas 交叉表会抛出 TypeError

Question

考虑这个简单的数据集，其列由分位数切割。

kyle = pd.DataFrame({'foo':np.random.randint(0,100,100),'boo':np.random.randint(0,100,100)})
kyle.loc[:,'fooCut'] = pd.qcut(kyle.loc[:,'foo'], np.arange(0,1.1,.1))
kyle.loc[:,'booCut'] = pd.qcut(kyle.loc[:,'boo'], np.arange(0,1.1,.1))

Pandas 的先前版本按预期处理以下内容...

pd.crosstab(kyle.fooCut,kyle.booCut)

更新到版本“0.24.2”后，上面的内容向我抛出了 TypeError: Cannot cast array data from dtype('float64') to dtype('<U32') according to the rule 'safe'


有谁知道为什么以及如何解决这个问题吗？ 请注意，kyle.boocut.dtype返回CategoricalDtype ，与 pd.crosstab 中的类型相同documentation and example对于分类变量。

[更新]

这是已知的bug在 pandas 中并且正在修复

Answer 1

如uncovered by OP ，这是一个issue与透视相关(crosstab 是 pivot_table 底层的优化版本)间隔列，目前正在针对 v0.25 进行修复。

以下是涉及对整数代码进行交叉制表的解决方法:

cstab = pd.crosstab(kyle.fooCut.cat.codes, kyle.booCut.cat.codes)
cstab


col_0  0  1  2  3  4  5  6  7  8  9
row_0                              
0      0  2  0  1  3  1  2  1  1  1
1      1  1  0  1  1  2  1  0  1  2
2      2  1  1  0  1  1  2  0  0  0
3      2  1  3  1  2  0  0  0  0  1
4      1  2  1  0  0  2  0  1  1  2
5      0  2  0  1  0  1  0  3  3  0
6      2  0  1  2  0  2  1  1  1  1
7      1  0  0  2  2  0  1  1  2  0
8      0  1  1  0  1  1  3  1  1  1
9      1  1  2  2  0  0  2  1  0  1

如果您愿意，您始终可以将结果的索引和列分配给实际类别:

cstab.index = kyle.fooCut.cat.categories
cstab.columns = kyle.booCut.cat.categories