如何在没有循环的情况下将多个 Pandas DF 列更改为分类

Question

我有一个 DataFrame，我想在其中将几列从“对象”类型更改为“类别”。

float可以同时改变几列，

dftest[['col3', 'col4', 'col5', 'col6']] = \
    dftest[['col3', 'col4', 'col5', 'col6']].astype(float)

对于“类别”我不能这样做，我需要一个一个地做（或者像here这样的循环）。

for col in ['col1', 'col2']:
    dftest[col] = dftest[col].astype('category')

问题：有什么方法可以像“浮动”示例中那样一次对所有想要的列进行更改？

如果我尝试同时做几列，我有：

dftest[['col1','col2']] = dftest[['col1','col2']].astype('category')
## NotImplementedError: > 1 ndim Categorical are not supported at this time

我目前的工作测试代码：

import numpy as np
import pandas as pd 

factors= np.array([
        ['a', 'xx'],
        ['a', 'xx'],
        ['ab', 'xx'],
        ['ab', 'xx'],
        ['ab', 'yy'],
        ['cc', 'yy'],
        ['cc', 'zz'],
        ['d', 'zz'],
        ['d', 'zz'],
        ['g', 'zz'] 
        ])

values = np.random.randn(10,4).round(2)

dftest = pd.DataFrame(np.hstack([factors,values]), 
                  columns = ['col1', 'col2', 'col3', 'col4', 'col5', 'col6'])

#dftest[['col1','col2']] = dftest[['col1','col2']].astype('category')
## NotImplementedError: > 1 ndim Categorical are not supported at this time

## it works with individual astype
#dftest['col2'] = dftest['col2'].astype('category')
#dftest['col1'] = dftest['col1'].astype('category')

print(dftest)

## doing a loop
for col in ['col1', 'col2']:
    dftest[col] = dftest[col].astype('category')


dftest[['col3', 'col4', 'col5', 'col6']] = \
    dftest[['col3', 'col4', 'col5', 'col6']].astype(float)

dftest.dtypes

---

输出：

col1    category
col2    category
col3     float64
col4     float64
col5     float64
col6     float64
dtype: object

== [更新] ==

既然我知道了诀窍，我在使用循环时没有问题，但我问这个问题是因为我想了解/理解为什么我需要为“类别”而不是浮点数做一个循环，如果有的话没有其他办法。

Answer 1

目前尚不清楚dftest[['col1','col2']].astype('category') 的结果应该是什么，即结果列是否应该共享相同的类别。

循环遍历列使每列都有一组单独的类别。 （我相信这是您示例中的预期结果。）

另一方面，.astype(float) 的工作方式不同：它将基础值分解为一维数组，将其转换为浮点数，然后将其重新整形为原始形状。这样它可能比仅迭代列更快。您可以使用更高级别的函数模拟 category 的这种行为：

result = dftest[['col1', 'col2']].stack().astype('category').unstack()

但是你会得到两列共享的一组类别：

result['col1']
Out[36]: 
0     a
1     a
2    ab
3    ab
4    ab
5    cc
6    cc
7     d
8     d
9     g
Name: col1, dtype: category
Categories (8, object): [a < ab < cc < d < g < xx < yy < zz]

Answer 2

你可以这样做：

In [99]: pd.concat([dftest[['col1', 'col2']].apply(lambda x: x.astype('category')), dftest.ix[:, 'col3':].astype('float')], axis=1)
Out[99]:
  col1 col2  col3  col4  col5  col6
0    a   xx  0.30  2.28  0.84  0.31
1    a   xx -0.13  2.04  2.62  0.49
2   ab   xx -0.34 -0.32 -1.87  1.49
3   ab   xx -1.18 -0.57 -0.57  0.87
4   ab   yy  0.66  0.65  0.96  0.07
5   cc   yy  0.88  2.43  0.76  1.93
6   cc   zz  1.81 -1.40 -2.29 -0.13
7    d   zz -0.05  0.60 -0.78 -0.28
8    d   zz -0.36  0.98  0.23 -0.17
9    g   zz -1.31 -0.84  0.02  0.47

In [100]: pd.concat([dftest[['col1', 'col2']].apply(lambda x: x.astype('category')), dftest.ix[:, 'col3':].astype('float')], axis=1).dtypes
Out[100]:
col1    category
col2    category
col3     float64
col4     float64
col5     float64
col6     float64
dtype: object

但它不会快很多，因为apply() 方法在后台使用循环