7

我有一个数据集,其中有几列包含分类数据。

我一直在使用 Categorical 函数将分类值替换为数值。

data[column] = pd.Categorical.from_array(data[column]).codes

我最近遇到了 pandas.get_dummies 函数。这些可以互换吗?使用一个比另一个有优势吗?

4

1 回答 1

6

为什么要将分类数据转换为整数?如果这是您的目标,我不相信您可以节省内存。

df = pd.DataFrame({'cat': pd.Categorical(['a', 'a', 'a', 'b', 'b', 'c'])})
df2 = pd.DataFrame({'cat': [1, 1, 1, 2, 2, 3]})

>>> df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 6 entries, 0 to 5
Data columns (total 1 columns):
cat    6 non-null category
dtypes: category(1)
memory usage: 78.0 bytes

>>> df2.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 6 entries, 0 to 5
Data columns (total 1 columns):
cat    6 non-null int64
dtypes: int64(1)
memory usage: 96.0 bytes

分类代码只是给定类别中唯一项目的整数值。相比之下,get_dummies为每个唯一项目返回一个新列。列中的值指示记录是否具有该属性。

>>> pd.core.reshape.get_dummies(df)
Out[30]: 
   cat_a  cat_b  cat_c
0      1      0      0
1      1      0      0
2      1      0      0
3      0      1      0
4      0      1      0
5      0      0      1

要直接获取代码,您可以使用:

df['codes'] = [df.cat.codes.to_list()]
于 2015-03-23T23:41:09.150 回答