何時使用Category而不是Object？

Question

我有一個CSV數據集，其中包含40個用於處理大熊貓的功能。 7個功能是連續的（int32），其餘都是分類的。

我的問題是：

我應該用熊貓的dtype('category')的類別特徵，或者我可以讓默認dtype('object')？

Answer 1

如果您希望利用很多重複，請使用一個類別。

例如，假設我想要一個大型交易表的每個交易所的總規模。使用默認object是完全合理的：

In [6]: %timeit trades.groupby('exch')['size'].sum() 
1000 loops, best of 3: 1.25 ms per loop 

但由於可能交換的名單是非常小的，因爲有大量的重複，我能做出這樣快使用category：

In [7]: trades['exch'] = trades['exch'].astype('category') 

In [8]: %timeit trades.groupby('exch')['size'].sum() 
1000 loops, best of 3: 702 µs per loop 

---

請注意，類別確實是動態枚舉的形式。如果可能值的範圍是固定且有限的，則它們是最有用的。