Skip to main content
 首页 » 编程设计

python之Pandas :将字符串列转换为有序类别

2024年10月25日24jirigala

我是第一次使用 Pandas 。我有一个包含调查回复的专栏,可以采用“强烈同意”、“同意”、“不同意”、“强烈不同意”和“两者都不”的值。

这是列的 describe() 和 value_counts() 的输出:

count      4996 
unique        5 
top       Agree 
freq       1745 
dtype: object 
Agree                1745 
Strongly agree        926 
Strongly disagree     918 
Disagree              793 
Neither               614 
dtype: int64 

我想对这个问题与总分进行线性回归。但是,我觉得我应该首先将该列转换为类别变量,因为它是固有顺序的。它是否正确?如果是这样,我应该怎么做?

我已经试过了:

df.EasyToUseQuestionFactor = pd.Categorical.from_array(df.EasyToUseQuestion) 
print df.EasyToUseQuestionFactor 

这产生的输出看起来似乎是正确的,但类别的顺序似乎是错误的。有什么方法可以指定顺序吗?我什至需要指定顺序吗?

这是我现在的其余代码:

df = pd.read_csv('./data/responses.csv') 
lm1 = ols('OverallScore ~ EasyToUseQuestion', data).fit() 
print lm1.rsquared  

请您参考如下方法:

现在有两种方法。您的专栏将更具可读性并使用更少的内存。由于它将是分类类型,您仍然可以对值进行排序。

第一个是我的首选:

df['grades'].astype('category') 

astype 用于接受 categories 参数,但它不是 present anymore .所以如果:

  • 您想以非字典顺序排列您的类别,
  • 或者拥有数据中不存在的额外类别, 您必须使用以下解决方案。

此推荐来自docs

In [26]: from pandas.api.types import CategoricalDtype 
In [27]: s = pd.Series(["a", "b", "c", "a"]) 
In [28]: cat_type = CategoricalDtype(categories=["b", "c", "d"], 
   ....:                             ordered=True) 
In [29]: s_cat = s.astype(cat_type) 

创建额外值的额外提示:使用 df.column_name.unique() 从列中获取所有现有值并添加不存在的列名。