Переименуйте менее часто используемые категории с помощью «ДРУГОГО» питона

Question

В моем фрейме данных есть несколько категориальных столбцов с более чем 100 различными категориями.Я хочу ранжировать категории наиболее часто.Я сохраняю первые 9 наиболее часто встречающихся категорий, а менее часто встречающиеся категории переименовываю их автоматически:3 категории, тогда я переименую остальные в «ДРУГОЕ», как мне поступить?

Спасибо.

Answer 1

Использование value_counts с numpy.where:

need = df['Jobrol'].value_counts().index[:3]
df['Jobrol'] = np.where(df['Jobrol'].isin(need), df['Jobrol'], 'OTHER')

valCount = df['Jobrol'].value_counts()
print (valCount)
Research Scientist       7
Sales Executive          7
Laboratory Technician    5
OTHER                    2
Name: Jobrol, dtype: int64

Другое решение:

N = 3
s = df['Jobrol'].value_counts()
valCount = s.iloc[:N].append(pd.Series(s.iloc[N:].sum(), index=['OTHER']))
print (valCount)
Research Scientist       7
Sales Executive          7
Laboratory Technician    5
OTHER                    2
dtype: int64

Answer 2

Преобразуйте ваши серии в категориальные, извлеките категории, количество которых не входит в верхние 3, добавьте новую категорию, например, 'Other', а затем замените ранее вычисленные категории:

df['Jobrol'] = df['Jobrol'].astype('category')

others = df['Jobrol'].value_counts().index[3:]
label = 'Other'

df['Jobrol'] = df['Jobrol'].cat.add_categories([label])
df['Jobrol'] = df['Jobrol'].replace(others, label)

Примечание: Это заманчиво объединить категории, переименовав их с помощью df['Jobrol'].cat.rename_categories(dict.fromkeys(others, label)), но это не сработает, так как это подразумевает несколько идентично маркированных категорий, что невозможно.

---

Приведенное выше решение может быть адаптировано для фильтрации по count .Например, чтобы включить только категории со счетом 1, вы можете определить others следующим образом:

counts = df['Jobrol'].value_counts()
others = counts[counts == 1].index