如何使用Pandas计算分类特征的数量？

Question

我有一个包含不同数据类型列的pd.DataFrame，我想知道每种类型的列数。我使用的是Pandas 0.24.2。

我尝试了以下代码：

    dataframe.dtypes.value_counts()

它能够很好地处理其他数据类型（float64，object，int64），但由于某种奇怪的原因，它无法聚合“category”特征，并且我对每个类别都得到不同的计数（就好像它们被视为不同的数据类型值进行计数）。

我也尝试过：

    dataframe.dtypes.groupby(by=dataframe.dtypes).agg(['count'])

但这引发了一个问题

类型错误：数据类型不被理解。

可重现的示例：

import pandas as pd

df = pd.DataFrame([['A','a',1,10], ['B','b',2,20], ['C','c',3,30]], columns = ['col_1','col_2','col_3','col_4'])

df['col_1'] = df['col_1'].astype('category')
df['col_2'] = df['col_2'].astype('category')

print(df.dtypes.value_counts())

预期结果：

    int64       2
    category    2
    dtype: int64

实际结果：

    int64       2
    category    1
    category    1
    dtype: int64

- Krystof

---

看起来像是一个bug :(，value_counts() 对于除了 category 之外的每种数据类型都完美地工作。 - Mohamed Thasin ah

@MohamedThasinah 你的版本是多少？我用0.19.2可以运行。 - U13-Forward

@MohamedThasinah 噢，0.25.0 的 bug。 - U13-Forward

Answer 1

使用 DataFrame.get_dtype_counts 函数：

print (df.get_dtype_counts())
category    2
int64       2
dtype: int64

如果使用最新版本的pandas，推荐采用以下解决方案：

自版本0.25.0起已弃用。

改用`.dtypes.value_counts()`。

- jezrael

Answer 2

正如@jezrael所提到的，在0.25.0中已经不建议使用，dtypes.value_counts(0)将会给出两个 category，因此需要进行修复：

print(df.dtypes.astype(str).value_counts())

输出：

int64       2
category    2
dtype: int64

- U13-Forward

---

这很奇怪，有什么想法吗？ - anky

@anky_91 谁知道呢？ - U13-Forward

@anky_91 我发现了一个 Github 上的 Pandas Bug：https://github.com/pandas-dev/pandas/issues/8559 - U13-Forward