使用熔体后的分类d类型变化[英] Categorical dtype changes after using melt

本文是小编为大家收集整理的关于使用熔体后的分类d类型变化的处理方法,想解了使用熔体后的分类d类型变化的问题怎么解决?使用熔体后的分类d类型变化问题的解决办法?那么可以参考本文帮助大家快速定位并解决问题。

问题描述

在回答 this question 时,我发现在 pandas 数据框上使用 melt 后,该列之前是有序的分类 dtype 变为 object.这是预期的行为吗?

注意:不是在寻找解决方案,只是想知道这种行为是否有任何原因,或者它是否不是预期的行为.

示例:

使用以下数据框df:

  Cat  L_1  L_2  L_3
0   A    1    2    3
1   B    4    5    6
2   C    7    8    9

df['Cat'] = pd.Categorical(df['Cat'], categories = ['C','A','B'], ordered=True)

# As you can see `Cat` is a category
>>> df.dtypes
Cat    category
L_1       int64
L_2       int64
L_3       int64
dtype: object

melted = df.melt('Cat')

>>> melted
  Cat variable  value
0   A      L_1      1
1   B      L_1      4
2   C      L_1      7
3   A      L_2      2
4   B      L_2      5
5   C      L_2      8
6   A      L_3      3
7   B      L_3      6
8   C      L_3      9

现在,如果我看一下 Cat,它就变成了一个对象:

>>> melted.dtypes
Cat         object
variable    object
value        int64
dtype: object

这是故意的吗?

推荐答案

源代码 .0.22.0(我的旧版本)

 for col in id_vars:
        mdata[col] = np.tile(frame.pop(col).values, K)
     mcolumns = id_vars + var_name + [value_name]

这将返回带有 np.tile 的数据类型对象.

它已在 0.23.4 中修复(更新我的 pandas 后)

df.melt('Cat')
Out[6]: 
  Cat variable  value
0   A      L_1      1
1   B      L_1      4
2   C      L_1      7
3   A      L_2      2
4   B      L_2      5
5   C      L_2      8
6   A      L_3      3
7   B      L_3      6
8   C      L_3      9
df.melt('Cat').dtypes
Out[7]: 
Cat         category
variable      object
value          int64
dtype: object

更多信息如何修复:

for col in id_vars:
    id_data = frame.pop(col)
    if is_extension_type(id_data): # here will return True , then become concat not np.tile
        id_data = concat([id_data] * K, ignore_index=True)
    else:
        id_data = np.tile(id_data.values, K)
    mdata[col] = id_data

本文地址:https://www.itbaoku.cn/post/1728008.html