能否在Julia DataFrames中用CategoricalArrays批量将字符串列转为分类列？

方案1：使用transform!单行批量处理 #

这是最简洁的写法，适合没有额外自定义判断逻辑的场景：

using DataFrames, CategoricalArrays

# 场景A：不需要固定levels，自动识别每列的唯一值作为levels
transform!(df, names(df, String) .=> categorical, renamecols = false)

# 场景B：对齐你原有代码的固定levels、ordered参数配置
transform!(df, names(df, String) .=> (col -> categorical(col; levels = ["x"], ordered = false)), renamecols = false)

参数说明：

• names(df, String) 会自动筛选出所有元素类型为字符串的列，你可以替换为自定义的列名数组（比如[:col1, :col2, :col3]）来指定要转换的列
• renamecols = false 保证转换后列名不变，不会自动添加函数名后缀

方案2：循环遍历处理 #

适合需要在转换前添加额外判断逻辑的场景，比如按列名规则筛选、判断列缺失率等：

for col_name in names(df, String)
    # 可在此处添加自定义判断逻辑，示例：仅转换列名以"type_"开头的列
    # startswith(col_name, "type_") || continue

    df[!, col_name] = categorical(df[!, col_name]; levels = ["x"], ordered = false)
end

注意事项 #

如果你的业务不需要强制固定所有分类列的levels为["x"]，建议删掉levels参数，categorical函数会自动提取每列的非重复值作为levels，避免列中存在其他值时被自动转换为缺失值。

你当前的数据集规模（100余列、5000行）用上述两种方法都可以在毫秒级完成转换，不存在性能问题。

内容的提问来源于stack exchange，提问作者Jason Thompson