DataFrame 对象是可变的，因此在使用 Series.unique() 时不能对其进行哈希处理

Question

我在 titanic dataframe 中使用 Series.unique() 时遇到问题。

虽然在原始 df 中使用 Series.unique() 不会出现错误，但在基于特定列连接训练和测试时，然后使用 Series.unique() 会出现错误。

根据我的尝试，这是由替换第 5 条语句中的空值引起的。如果我注释掉该行，则代码可以正常工作而不会出现任何错误。为什么会这样？还有什么解决办法吗？

cat_cols = ['Pclass', 'Sex', 'Embarked']
df_train = pd.read_csv('train.csv')
df_pred = pd.read_csv('test.csv')
df_join = pd.concat([df_train[cat_cols], df_pred[cat_cols]])
df_join = df_join.fillna(df_join.mode, axis=0)
df_join.Embarked.unique()

训练和测试文件可以从以下网址下载：

https://www.kaggle.com/c/titanic/download/test.csv https://www.kaggle.com/c/titanic/download/train.csv

我目前正在使用 Pandas 版本 0.23.4

Answer 1

给定：

cat_cols = ['Pclass', 'Sex', 'Embarked']
df_train = pd.read_csv('train.csv')
df_pred = pd.read_csv('test.csv')
df_join = pd.concat([df_train[cat_cols], df_pred[cat_cols]])

NaN 值仅出现在 Embarked 列中，可以从以下代码验证：

df_join.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1309 entries, 0 to 417
Data columns (total 3 columns):
Pclass      1309 non-null int64
Sex         1309 non-null object
Embarked    1307 non-null object
dtypes: int64(1), object(2)
memory usage: 80.9+ KB

因此，将 NaN 替换为 Embarked 列值的模式：

df_join.Embarked = df_join.Embarked.fillna(df_join.Embarked.mode()[0])
df_join.Embarked.value_counts().sum()
# 1309

并寻找唯一值：

df_join.Embarked.unique()
# array(['S', 'C', 'Q'], dtype=object)

提示：不是mode而是mode()[0]

希望我回答了你的问题，如果没有请评论你的问题。

DataFrame 对象是可变的，因此在使用 Series.unique() 时不能对其进行哈希处理

DataFrame objects are mutable thus they cannot be hashed while using Series.unique()

python

data-processing

python-3.x

pandas