使用 pandas-profiling 时如何更改变量类型？

如何解决使用 pandas-profiling 时如何更改变量类型？

为了重现问题、笔记本、数据、输出：github link
我的数据集中有 Contract 变量/列，看起来像这样，看起来都像数字，但实际上是分类的。

当用 pandas 读取时，信息说它被读取为 int。由于合同变量是一个类别（来自我收到的元数据）所以我手动更改了变量类型，如下所示

df['Contract'] = df['Contract'].astype('categorical')
df.dtypes # shows modified dtype Now

然后我尝试从 pandas_profiling 获取报告。生成的报告显示 contact 被解释为实数，即使我将类型从 int 更改为 str/category。

# Tried both,but resulted in same.
ProfileReport(df)
df.profile_report()

你能解释一下用 pandas_profiling 解释数据类型的正确方法吗？即，将 contract 变量更改为 categorical 类型。

解决方法

在 pandas-profiling GitHub 页面上发布此问题 raising issue 并为此创建了 pull request 很长时间后，我几乎忘记了这个问题。感谢 IampShadesDrifter 通过回答提醒我结束这个问题。

实际上，pandas-profiling 的这种行为是意料之中的。 pandas-profiling 尝试推断最适合列的数据类型。而且之前是这么写的。因为没有解决办法。它促使我在 GitHub 上创建了我的第一个 pull request。

现在通过 infer_dtypes / ProfileReport 中新添加的参数 profile_report，我们可以明确要求 pandas-profiling 不推断任何数据类型，而是使用来自pandas (df.dtypes)。

# for the df in the question,df['Contract'] = df['Contract'].astype(str)

# by default it infers the dtype. So,`Contract` is read as number (because it looks like number).
ProfileReport(df) 
df.profile_report()

# `Contract` dtype now will be `str` as we explicitly type-casted with pandas.
ProfileReport(df,infer_dtypes=True) 
df.profile_report(infer_dtypes=True)

如果您发现任何值得一提的内容，请随时为本答案做出贡献。