blocks|key|75460|text|查看分类编码(http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/algo-params/categorical_encoding.html)的h2o文档和enum类型(我将其用于h2o数据帧中的分类类型)，我们可以看到|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|75461|75462|枚举或枚举:保留数据集不变，在内部将字符串映射为整数，并使用这些整数进行拆分-或者在nbins_cats太小而无法解析所有级别时通过序数性质进行拆分，或者通过执行完美的组拆分的位集进行拆分。每个类别都是一个单独的类别；与无关的是它的名称(或编号)。例如，将字符串映射到Enum的整数后，可以将{0，1，2，3，4，5}拆分为{0，4，5}和{1，2，3}。|blockquote|BOLD|75463|75464|75465|因此，如果我的解释是正确的(请告诉我这是否正确)，发生的情况是，当将pandas框架转换为h2o时，它将遍历分配为enum类型的列的不同值，并为该标签分配一个内部唯一ID整数值(用于训练和预测等，但我们通常看不到)。因此，在对这些enum列执行df.group_by(.).sum(.)时，我们只是将h2o在将数据帧转换为h2o数据帧时为这些列分配的所有内部映射整数值相加。|75466|再说一次，如果这还不是对这里发生的事情的最完整的解释，请有人告诉我。|75467|entityMap|0|LINK|mutability|MUTABLE|url|http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/algo-params/categorical_encoding.html^0|33|4|7|2O|0|0|0|E|K|0|0|0|1L|4|37|4|3E|L|0|0^^$0|@$1|2|3|4|5|6|7|Y|8|@$9|Z|A|10|B|C]]|D|@$9|11|A|12|1|13]]|E|$]]|$1|F|3|-4|5|6|7|14|8|@]|D|@]|E|$]]|$1|G|3|H|5|I|7|15|8|@$9|16|A|17|B|J]]|D|@]|E|$]]|$1|K|3|-4|5|6|7|18|8|@]|D|@]|E|$]]|$1|L|3|-4|5|6|7|19|8|@]|D|@]|E|$]]|$1|M|3|N|5|6|7|1A|8|@$9|1B|A|1C|B|C]|$9|1D|A|1E|B|C]|$9|1F|A|1G|B|C]]|D|@]|E|$]]|$1|O|3|P|5|6|7|1H|8|@]|D|@]|E|$]]|$1|Q|3|-4|5|6|7|1I|8|@]|D|@]|E|$]]]|R|$S|$5|T|U|V|E|$W|X]]]]

Looking at the h2o docs for categorical encodings (<a href="http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/algo-params/categorical_encoding.html" rel="nofollow noreferrer">http://docs.h2o.ai/h2o/latest-stable/h2o-docs/data-science/algo-params/categorical_encoding.html</a>), for the <code>enum</code> types (which what I am using for the categorical types in my h2o dataframe) we see

<blockquote>
 enum or Enum: Leave the dataset as is, internally map the strings to
 integers, and use these integers to make splits - either via ordinal
 nature when nbins_cats is too small to resolve all levels or via
 bitsets that do a perfect group split. Each category is a separate
 category; its name (or number) is irrelevant. For example, after the
 strings are mapped to integers for Enum, you can split {0, 1, 2, 3, 4,
 5} as {0, 4, 5} and {1, 2, 3}.
</blockquote>

So if I am interpreting this correctly (and someone please tell if if this is not correct), what is happening is that when converting the pandas frame to h2o, it is going through the different values for the columns assigned as being <code>enum</code> types and assigning an internal unique ID integer value to that label (which is used in training and predictions and such, but we normally just don't see). Thus, when doing a <code>df.group_by(.).sum(.)</code> on those <code>enum</code> columns, we are just adding up all the internally mapped integer values for those columns that h2o assigned when the dataframe was converted to an h2o dataframe.

Again, if this is not the most complete interpretation of what is going on here, someone please let me know.

Wondering about what is happening when summing columns in an h2o dataframe GroupBy object when the column types are categorical (specifically h2o <code>enum</code> types). 

Have a pandas dataframe converted to an H2o dataframe. Am then grouping rows by a certain column and summing the other columns, eg.

<pre><code>location_id price store
------------------
1 10 JCP
1 15 SBUX
3 20 HOL

then after grouping and summing; df.group_by('location_id').sum(['price', 'store'])

location_id price store
------------------
1 25 &lt;some number&gt;
3 20 &lt;some number&gt;
</code></pre>

Would like to know what is going on under the surface here when adding categorical column values together and can't seem to find the sum() source code for GroupBy objects in the h2o <a href="https://h2o-release.s3.amazonaws.com/h2o/rel-vajda/1/docs-website/h2o-docs/data-munging/groupby.html" rel="nofollow noreferrer">docs</a>.

What is the h2o dataframe GroupBy sum function doing when summing enum/categorical type columns?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

想知道当列类型是分类的(特别是h2o enum类型)时，在h2o dataframe GroupBy对象中求和列时会发生什么。将pandas数据帧转换为H2o数据帧。然后，我按某一列对行进行分组，并对其他列求和。location_id  price store------------------1           ...

在对枚举/类别类型列求和时，h2o dataframe GroupBy sum函数的作用是什么？-腾讯云开发者社区-腾讯云

问在对枚举/类别类型列求和时，h2o dataframe GroupBy sum函数的作用是什么？
EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问在对枚举/类别类型列求和时，h2o dataframe GroupBy sum函数的作用是什么？EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问在对枚举/类别类型列求和时，h2o dataframe GroupBy sum函数的作用是什么？
EN