pandas.Series.cat.remove_unused_categories メソッドの使い方

pandas.Series.cat.remove_unused_categories メソッドは、カテゴリ変数において、実際に使用されていないカテゴリーを削除するためのメソッドです。メモリ使用量の削減や、データ分析の効率化に役立ちます。

使用例

import pandas as pd

# カテゴリ変数を含む DataFrame を作成
df = pd.DataFrame({"col1": ["a", "b", "c", "a", "b", "a"]})

# カテゴリ変数に変換
df["col1"] = df["col1"].astype("category")

# 使用されていないカテゴリーを削除
df["col1"].cat.remove_unused_categories(inplace=True)

# 確認
print(df["col1"].cat.categories)

# 出力:
# Index(['a', 'b'], dtype='object')

この例では、col1 列のカテゴリー "c" は使用されていないため削除され、カテゴリー "a" と "b" のみが残ります。

メソッド詳細

• 引数
• 返値
  • inplace=True の場合: None
  • inplace=False の場合: 使用されていないカテゴリーを削除した新しい Series オブジェクト

注意事項

• 使用されていないカテゴリーを削除すると、そのカテゴリーに関連するデータも失われます。
• inplace=True オプションを使用する場合は、元の Series オブジェクトが変更されることに注意してください。

その他の用途

• 特定のカテゴリーのみを削除したい場合は、pandas.Series.cat.drop_categories メソッドを使用できます。

関連キーワード

• pandas
• Series
• カテゴリ変数
• メモリ使用量
• データ分析

pandas.Series.cat.remove_unused_categories メソッドのサンプルコード

使用例

import pandas as pd

# カテゴリ変数を含む DataFrame を作成
df = pd.DataFrame({"col1": ["a", "b", "c", "a", "b", "a", "d"]})

# カテゴリ変数に変換
df["col1"] = df["col1"].astype("category")

# 使用されていないカテゴリーを削除
df["col1"].cat.remove_unused_categories(inplace=True)

# 確認
print(df["col1"].cat.categories)

# 出力:
# Index(['a', 'b'], dtype='object')

カテゴリーの条件に基づいて削除

# 使用頻度が 1 回以下のカテゴリーを削除
df["col1"].cat.remove_unused_categories(min_count=2, inplace=True)

# 特定の値を含むカテゴリーを削除
df["col1"].cat.remove_unused_categories(subset=["a", "b"], inplace=True)

削除するカテゴリーを指定

# 削除するカテゴリーをリストで指定
categories_to_remove = ["c", "d"]
df["col1"].cat.remove_categories(categories_to_remove, inplace=True)

inplace オプション

# inplace=False オプションを使用すると、新しい Series オブジェクトが返されます
new_series = df["col1"].cat.remove_unused_categories(inplace=False)

# 元の Series オブジェクトは変更されない
print(df["col1"].cat.categories)

# 出力:
# Index(['a', 'b', 'c', 'd'], dtype='object')

# 新しい Series オブジェクトを確認
print(new_series.cat.categories)

# 出力:
# Index(['a', 'b'], dtype='object')

• return_unused_categories オプションを使用すると、削除されたカテゴリーのリストを取得できます。
• ignore_na=True オプションを使用すると、NA 値を含むカテゴリーも削除対象となります。

pandas.Series.cat.remove_unused_categories 以外の方法

for ループ

# 使用されていないカテゴリーをリストに格納
categories_to_remove = []
for category in df["col1"].cat.categories:
    if category not in df["col1"].values:
        categories_to_remove.append(category)

# カテゴリーを削除
df["col1"].cat.drop_categories(categories_to_remove, inplace=True)

isin メソッド

# 使用されていないカテゴリーのマスクを作成
mask = df["col1"].isin(df["col1"].values)

# 使用されていないカテゴリーのみを含む Series を作成
unused_categories = df["col1"][~mask]

# 使用されていないカテゴリーを削除
df["col1"].cat.drop_categories(unused_categories, inplace=True)

numpy.unique

# 使用されているカテゴリーのリストを取得
used_categories = np.unique(df["col1"].values)

# 使用されていないカテゴリーのリストを取得
categories_to_remove = list(set(df["col1"].cat.categories) - set(used_categories))

# カテゴリーを削除
df["col1"].cat.drop_categories(categories_to_remove, inplace=True)

これらの方法は、pandas.Series.cat.remove_unused_categories メソッドよりも柔軟性がありますが、処理速度は遅くなる可能性があります。

どの方法を使用するべきかは、データ量や処理速度などの要件によって異なります。

• データ量が少なく、処理速度が重要な場合は、pandas.Series.cat.remove_unused_categories メソッドを使用するのがおすすめです。
• データ量が多く、処理速度よりも柔軟性が重要な場合は、for ループなどの他の方法を使用する方がよいでしょう。