Pandas拼接分类数据报错：类别不匹配问题求助

问题原因 #

1. add_categories未生效：pandas的cat.add_categories默认返回新的Categorical对象，不会直接修改原DataFrame列，必须将结果赋值回原列或使用inplace=True参数。
2. 类别类型不兼容：空DataFrame的col1因初始为空列表被推断为float类型，转category后类别是Float64Index；而Series s的类别是字符串类型的Index(['MP1'], dtype='object')，两者类别集合不匹配，导致赋值时报错。

解决方案 #

方法1：inplace方式修改原列类别 #

直接在原列上添加Series的类别，再执行合并：

# 给df的col1添加s的类别（直接修改原列）
df["col1"].cat.add_categories(s.cat.categories, inplace=True)
# 执行合并并赋值
df["col1"] = df["col1"].combine_first(s)

方法2：赋值回原列（非inplace方式） #

如果不想使用inplace，可将add_categories的结果重新赋值给原列：

# 添加类别并覆盖原列
df["col1"] = df["col1"].cat.add_categories(s.cat.categories)
# 完成合并赋值
df["col1"] = df["col1"].combine_first(s)

方法3：统一设置合并后的所有类别 #

若后续还有更多类别需要整合，可直接合并两者的类别后重新设置：

# 合并两个Categorical的类别集合
all_categories = df["col1"].cat.categories.union(s.cat.categories)
# 重新设置df的col1类别
df["col1"] = df["col1"].cat.set_categories(all_categories)
# 执行合并操作
df["col1"] = df["col1"].combine_first(s)

验证结果 #

执行任一方法后，查看类别和DataFrame内容：

print(df["col1"].cat.categories)
# 输出合并后的类别索引
print(df)
# 输出：
#   col1
# 0  MP1

内容的提问来源于stack exchange，提问作者RaphWork