是否可以使用 pandas' read_csv 读取分类列？

Question

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.

Answer 1

在版本 0.19.0 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

如果要为类别使用 dtype 和字典指定列：

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