是否可以使用 pandas 的 read_csv 读取分类列？

Posted 2023-02-16

【中文标题】是否可以使用 pandas 的 read_csv 读取分类列？

【英文标题】：Is it possible to read categorical columns with pandas' read_csv?

【发布时间】：2015-07-28 03:12:18

【问题描述】：

我尝试将dtype 参数与read_csv 作为dtype=n: pandas.Categorical 传递，但这不能正常工作（结果是一个对象）。 The manual is unclear.

【问题讨论】：

一列是分类的还是全部？

一个或多个，但不是全部。

在你的代码 sn-p 中是一个字符串（应该是）。否则，我建议在各个列上使用 astype 方法。

目前这是不可能的（并且传递 pd.Categorical 在任何情况下都不起作用，因为这不是 dtype）。但是您可以在github.com/pydata/pandas/issues

提出增强请求

pandas 21.0 有一个CategoricalDtype；示例read_csv(...) 可以满足您的需求。

【参考方案1】：

在0.19.0 版本中，您可以在read_csv 中使用参数dtype='category'：

data = 'col1,col2,col3\na,b,1\na,b,2\nc,d,3'
df = pd.read_csv(pd.compat.StringIO(data), dtype='category')
print (df)
  col1 col2 col3
0    a    b    1
1    a    b    2
2    c    d    3

print (df.dtypes)
col1    category
col2    category
col3    category
dtype: object

如果要为类别指定列，请使用 dtype 和字典：

df = pd.read_csv(pd.compat.StringIO(data), dtype='col1':'category')
print (df)
  col1 col2  col3
0    a    b     1
1    a    b     2
2    c    d     3

print (df.dtypes)
col1    category
col2      object
col3       int64
dtype: object

【讨论】：

我认为可以，使用df = pd.read_csv(StringIO(data), dtype='col1':'category', index_col='col1')

这让我很开心。