如何在熊猫中保留所有变量的类别？

Question

我有一个包含数字和分类数据的数据框 (df1)。我正在创建一个类似于第一个数据框 df2 的数据库，这意味着它具有与 df1 相同的列名和 dtypes。但是，除了 df1 的名称和数据类型之外，我还想保留分类变量的类别，即使它们在创建时没有出现在 df2 上。

到目前为止，我发现的最简单的解决方案是遍历 df2 上的所有分类变量，添加 df1 的每个分类变量的类别。但是，我相信必须有一种比我提议的解决方案更快/更有效的解决方案。

df1 = pd.DataFrame({
'A' : pd.Categorical(list('bbeebbaa'), categories=['e','a','b'], ordered=True),
'B' : [1,2,1,2,2,1,2,1],
'C' : pd.Categorical(list('ddeeccaa'), categories=['e','a','d', 'c'], ordered=True)})

df2 = pd.DataFrame({
'A' : pd.Categorical(list('bbeebbbb'), categories=['e', 'b'], ordered=True),
'B' : [1,2,1,2,2,1,2,1],
'C' : pd.Categorical(list('cccccccc'), categories=['c'], ordered=True)})

categorical = ['A', 'B']
for var in categorical:
    df2[var] = df2[var].cat.add_categories(df1[var].cat.categories)

Answer 1

如果df2的所有类别都在df1中，可以使用set_categories()函数。

l = list(df1['A'].cat.categories)
df2['A'] = df2['A'].cat.set_categories(l)

或者在一行中：

df2['A'] = df2['A'].cat.set_categories(list(df1['A'].cat.categories))

如果 df1 和 df2 都包含它们独有的类别，我不确定我将如何处理它 - 可能类似于您在此处介绍的方式。