检测 pandas.DataFrame 中的列是否是分类的好的启发式是什么？

我一直在开发一个工具，可以自动预处理 pandas.DataFrame 格式的数据。在此预处理步骤中，我想以不同的方式处理连续数据和分类数据。特别是，我希望能够应用 OneHotEncoder 等only分类数据。

现在，假设我们提供了一个 pandas.DataFrame 并且没有有关 DataFrame 中数据的其他信息。用于确定 pandas.DataFrame 中的列是否是分类的好的启发式是什么？

我最初的想法是：

1）如果列中有字符串（例如列数据类型为object），那么该列很可能包含分类数据

2) 如果列中某些百分比的值是唯一的（例如，>=20%），则该列很可能包含连续数据

我找到了1)工作正常，但是2)效果不太好。我需要更好的启发法。你会如何解决这个问题？

Edit:有人要求我解释原因2)效果不好。在一些测试用例中，我们的列中仍然有连续值，但列中没有很多唯一值。启发式在2)在那种情况下显然失败了。还有一个问题是，我们的分类列有很多很多唯一值，例如泰坦尼克号数据集中的乘客姓名。存在相同列类型错误分类问题。

这里有几种方法：

1. 求唯一值的数量与唯一值总数的比率。像下面这样的东西

   likely_cat = {}
   for var in df.columns:
       likely_cat[var] = 1.*df[var].nunique()/df[var].count() < 0.05 #or some other threshold
   

2. 检查前n个唯一值是否占所有值的一定比例

   top_n = 10 
   likely_cat = {}
   for var in df.columns:
       likely_cat[var] = 1.*df[var].value_counts(normalize=True).head(top_n).sum() > 0.8 #or some other threshold
   

方法 1) 对我来说通常比​​方法 2) 更有效。但如果存在“长尾分布”，即少数类别变量具有较高频率，而大量类别变量具有较低频率，则方法 2) 会更好。