如何将类别的底层表示设置为uint8？

Question

我有巨大的基因组数据集，包含两个分类列“染色体”和“链”。我知道这两个值都不会超过25个，因此我想使用uint8作为类别的底层数据。我该怎么做？

Answer 1

我认为您可以使用numpy将您的专栏直接转换为uint8

df = pd.DataFrame({'Strand': [123, 208, 213, 111]})
df['Strand'] = df['Strand'].astype(np.uint8)
df.dtypes
Strand    uint8
dtype: object

如果进一步将列转换为Categorical，则pandas会将数据类型转换为uint64：

df['Strand'] = pd.Categorical(df['Strand']).
[123, 208, 213, 111] Categories (4, uint64): [111, 123, 208, 213]