2 views

I want to convert a particular column of my data frame into a string type. I am using a housing dataset and I wanted to convert my zipcode column to string data type. I want to do this because when I use the linear regression it considers as a categorical variable not numerical

df = pd.DataFrame({'zipcode': {17384: 98125, 2680: 98107, 722: 98005, 18754: 98109, 14554: 98155}, 'bathrooms': {17384: 1.5, 2680: 0.75, 722: 3.25, 18754: 1.0, 14554: 2.5}, 'sqft_lot': {17384: 1650, 2680: 3700, 722: 51836, 18754: 2640, 14554: 9603}, 'bedrooms': {17384: 2, 2680: 2, 722: 4, 18754: 2, 14554: 4}, 'sqft_living': {17384: 1430, 2680: 1440, 722: 4670, 18754: 1130, 14554: 3180}, 'floors': {17384: 3.0, 2680: 1.0, 722: 2.0, 18754: 1.0, 14554: 2.0}})

print (df)

bathrooms  bedrooms  floors  sqft_living  sqft_lot  zipcode

722         3.25         4     2.0         4670     51836    98005

2680        0.75         2     1.0         1440      3700    98107

14554       2.50         4     2.0         3180      9603    98155

17384       1.50         2     3.0         1430      1650    98125

18754       1.00         2     1.0         1130      2640    98109

by (36.8k points)

You need astype:

df['zipcode'] = df.zipcode.astype(str)

#df.zipcode = df.zipcode.astype(str)

For converting to categorical:

df['zipcode'] = df.zipcode.astype('category')

#df.zipcode = df.zipcode.astype('category')

Another solution is Categorical:

df['zipcode'] = pd.Categorical(df.zipcode)

Sample with data:

import pandas as pd

df = pd.DataFrame({'zipcode': {17384: 98125, 2680: 98107, 722: 98005, 18754: 98109, 14554: 98155}, 'bathrooms': {17384: 1.5, 2680: 0.75, 722: 3.25, 18754: 1.0, 14554: 2.5}, 'sqft_lot': {17384: 1650, 2680: 3700, 722: 51836, 18754: 2640, 14554: 9603}, 'bedrooms': {17384: 2, 2680: 2, 722: 4, 18754: 2, 14554: 4}, 'sqft_living': {17384: 1430, 2680: 1440, 722: 4670, 18754: 1130, 14554: 3180}, 'floors': {17384: 3.0, 2680: 1.0, 722: 2.0, 18754: 1.0, 14554: 2.0}})

print (df)

bathrooms  bedrooms  floors  sqft_living  sqft_lot  zipcode

722         3.25         4     2.0         4670     51836    98005

2680        0.75         2     1.0         1440      3700    98107

14554       2.50         4     2.0         3180      9603    98155

17384       1.50         2     3.0         1430      1650    98125

18754       1.00         2     1.0         1130      2640    98109

print (df.dtypes)

bathrooms      float64

bedrooms         int64

floors         float64

sqft_living      int64

sqft_lot         int64

zipcode          int64

dtype: object

df['zipcode'] = df.zipcode.astype('category')

print (df)

bathrooms  bedrooms  floors  sqft_living  sqft_lot zipcode

722         3.25         4     2.0         4670     51836   98005

2680        0.75         2     1.0         1440      3700   98107

14554       2.50         4     2.0         3180      9603   98155

17384       1.50         2     3.0         1430      1650   98125

18754       1.00         2     1.0         1130      2640   98109

print (df.dtypes)

bathrooms       float64

bedrooms          int64

floors          float64

sqft_living       int64

sqft_lot          int64

zipcode        category

dtype: object

If you want to know more about the Data Science then do check out the following Data Science which will help you in understanding Data Science from scratch