Pandas`.astype（'category'）和`pd.类别(...)`

Question

我有一个包含字符串列（名称：14）的数据集，我想将其转换为一个分类特性。据我所知，有两种方法可以做到：

pd.Categorical(data[14])
data[14].astype('category')

虽然这两种方法产生的结果是相同的.dtype：CategoricalDtype(categories=[' <=50K', ' >50K'], ordered=False)，但它们并不相同。在

对结果调用.describe()，它们会产生不同的输出。第一个输出关于单个类别的信息，而第二个（astype(..)）将产生典型的describe输出，其中包括count、unique、top、freq和name，列出dtype: object。在

那么，我的问题是，它们为什么/如何不同？在

---

就是这个数据集：http://archive.ics.uci.edu/ml/datasets/Adult

^{pr2}$

Answer 1

作为Bakuriu points out，type(pd.Categorical(data[14]))是Categorical，而 type(data[14].astype('category'))是{}：

import pandas as pd
data = pd.read_csv("./adult/adult.data", header=None)

cat = pd.Categorical(data[14])
ser = data[14].astype('category')
print(type(cat))
# pandas.core.arrays.categorical.Categorical
print(type(ser))
# pandas.core.series.Series

describe()的行为不同 因为^{}的定义与^{}不同。在

无论何时调用Categorical.describe()，每个类别都将得到count和{}：

^{pr2}$

当你在一个分类序列上调用Series.describe()，你可以使用you'll get ^{}, ^{}, ^{} and ^{}。注意，count和{}在这里也有不同的含义：

In [175]: ser.describe()
Out[175]: 
count      32561
unique         2
top        <=50K
freq       24720
Name: 14, dtype: object