【Python】data[item].astype(‘category’).cat.codes类别型变量映射到整数型

参考文章：

99%的人都不知道的pandas骚操作（一） - 知乎

这里怕原始文章删除，把其中的几句话放过来作为notes：

Category这个数据类型，它的作用很强大。虽然没有经常性的在内存中运行上G的数据，但是也总会遇到执行几行代码会等待很久的情况。使用Category数据的一个好处就是：可以很好的节省在时间和空间的消耗。

可以使用sys.getsizeof来显示内存占用的情况，数字代表字节数。

还有另一种计算内容占用的方法：memory_usage()，后面会使用。

内存占用区别：Categorical所占用的内存与Categorical分类的数量和数据的长度成正比，相反，object所占用的内存则是一个常数乘以数据的长度。

除了占用内存节省外，另一个额外的好处是计算效率有了很大的提升。因为对于Category类型的Series，str字符的操作发生在.cat.categories的非重复值上，而并非原Series上的所有元素上。也就是说对于每个非重复值都只做一次操作，然后再向与非重复值同类的值映射过去。

对于开始的整数类型映射，可以先通过reorder_categories进行重新排序，然后再使用cat.codes来实现对整数的映射，来达到同样的效果。

data[item].cat.reorder_categories(mapper).cat.codes