Pandas实战100例 | 案例 31: 转换为分类数据

案例 31: 转换为分类数据

知识点讲解

在处理包含文本数据的 DataFrame 时，将文本列转换为分类数据类型通常是一个好主意。这可以提高性能并节省内存。Pandas 允许将列转换为 category 类型。

• 分类数据类型: category 类型适用于那些只包含有限数量不同值的列（例如，性别、产品类型、评级等）。

示例代码

# 由于代码执行环境重置，需要重新导入 pandas 和准备数据
import pandas as pd

# 示例数据
data_categorical_conversion = {
    'Product': ['Apple', 'Banana', 'Cherry', 'Date', 'Elderberry'],
    'Price': [5, 3, 9, 7, 1]
}
df_categorical_conversion = pd.DataFrame(data_categorical_conversion)

# 转换为分类数据
df_categorical_conversion['Product'] = df_categorical_conversion['Product'].astype('category')

df_categorical_conversion.dtypes, df_categorical_conversion

在这个示例中，我们将 Product 列从普通的字符串类型转换为了 category 类型。

示例代码运行结果

Product    category
Price         int64
dtype: object

      Product  Price
0       Apple      5
1      Banana      3
2      Cherry      9
3        Date      7
4  Elderberry      1

这个结果展示了转换后的数据类型为 category。使用分类数据类型，尤其在处理具有重复值的文本列时，是一种有效的数据优化技术。