Merge pull request #14 from alfhedo/cambio-categories

Cambiar forma de establecer categoria

txt/03.pandas.md

@@ -237,13 +237,15 @@ dtype: object
 ```
 Ahora si, cada una de las columnas corresponde al tipo de dato de los atributos de la tabla anterior. Si queremos también podemos indicar al momento de la lectura el nombre y tipo de dato de los atributos. Incluso podemos indicar si tenemos algún dato categórico.
 
+Mantener origin como entero
+
 ``` python
 >>> df2 = pd.read_csv('datos-ejemplo/auto-mpg.data', sep='\s+',
      header=None,  na_values='?', names=['mpg','cylinders','displacement','horsepower',
         'weight','acceleration','model_year','origin','car_name'],
      dtype={'mpg':'f4','cylinders':'i4','displacement':'f4',
         'horsepower':'f4','weight':'f4','acceleration':'f4',
-        'model_year':'i4','origin':'category','car_name':'category'})
+        'model_year':'i4','origin':'i4','car_name':'category'})
 
 >>> df2.dtypes
 
@@ -254,7 +256,7 @@ horsepower       float32
 weight           float32
 acceleration     float32
 model_year         int32
-origin          category
+origin             int32
 car_name        category
 dtype: object
 ```
@@ -285,10 +287,14 @@ max       24.799999   82.000000
 ```
 
 Ya que hablamos de los datos categóricos, vamos especificando el nombre de cada categoría. En el archivo solo se especifican los valores 1, 2 y 3. Al ver los modelos de los autos, inferimos que deben ser "USA", "Japan" y "Germany".
+Mapea la columna 'origin' con los valores correspondientes, asegurarte de que la columna 'origin' sea tipo 'category' y establecer las categorías.
 
 ``` python
->>> df2["origin"].cat.categories = ["USA", "Japan", "Germany"]
+>>> origin_map = {1: 'USA', 2: 'Japan', 3: 'Germany'}
+>>> df2['origin'] = df2['origin'].map(origin_map)
+>>> df2['origin'] = df2['origin'].astype('category')
 
+>>> df2['origin'] = df2['origin'].cat.set_categories(["USA", "Japan", "Germany"])
 >>> df2['origin']
 
 0          USA