pandas中Category的应用

文章目录

• • 对 Categorical 数据的一个直观认识
  • • 隐式创建 Categorical 数据
    • 显式创建 Categorical 数据

Categoricals 是 pandas 的一种 数据类型，对应着被统计的变量。Categoricals 是由固定的且有限数量的变量组成的。比如：性别、社会阶层、血型、国籍、观察时段、赞美程度等等。

与其它被统计的变量相比，categorical 类型的数据可以具有特定的顺序——比如：按程度来设定，“强烈同意”与“同意”，“首次观察”与“二次观察”，但是不能做按数值来进行排序操作（比如：sort_by 之类的，换句话说，categorical 的顺序是创建时手工设定的，是静态的）。

类型数据的每一个元素的值要么是预设好的类型中的某一个，要么是空值（np.nan）。顺序是由预设好的类型集合来决定的，而不是按照类型集合中各个元素的字母顺序排序的。categorical 实例的内部是由类型名字集合和一个整数组成的数组构成的，后者标明了类型集合真正的值。

对 Categorical 数据的一个直观认识

隐式创建 Categorical 数据

# 用一段代码从不同角度来展现一下 categorical 类型的数据 # 先创建一个简单的 DataFrame 实例 # Terry, Hardon, Curry, Duran, James 和 Barter 代表东西部玩三打三 # 用一组数据记录各自的得分情况 import pandas as pd import numpy as npplayers = ['Garsol','Hardon','Bill','Duran','James','Barter'] teams = ['West','West','East','West','East','East'] scores = [22,34,12,31,26,19] df = pd.DataFrame({'player':players,'score':scores,'team':teams}) df playerscoreteam012345

Garsol	22	West
Hardon	34	West
Bill	12	East
Duran	31	West
James	26	East
Barter	19	East

可以看出 team 这一列，其实只有两种值：East 和 West，可以将 team 列的类型设定为 category.

df.team 0 West 1 West 2 East 3 West 4 East 5 East Name: team, dtype: object df.team.astype('category') 0 West 1 West 2 East 3 West 4 East 5 East Name: team, dtype: category Categories (2, object): [East, West]

可以看到，df.team 的变量类型变成了 category。
当然，迄今为止，这个分类是我们手工标记上去的，主动给每一个球员加上了 east 或者 west 的标记。那么，如果是动态的来添加呢？比如按照得分来划分，将高于平均分的划为 Star，低于平均分的划为 Role。
计算过程就应该是这样：

d = pd.Series(scores).describe() d score_ranges = [d['min']-1,d['mean'],d['max']+1] score_ranges [11.0, 24.0, 35.0] score_labels = ['Role','Star'] score_labels ['Role', 'Star'] # 用pd.cut(ori_data, bins, labels) 方法 # 以 bins 设定的画界点来将 ori_data 归类，然后用 labels 中对应的 label 来作为分类名 df['level'] = pd.cut(df['score'],score_ranges,labels=score_labels) df['level'] 0 Role 1 Star 2 Role 3 Star 4 Star 5 Role Name: level, dtype: category Categories (2, object): [Role < Star] print('df:') print(df) print('\n对比一下 Category 类型的数据和普通的 DataFrame中的列有什么区别') print('\ndf[\'team\'] 是普通的 DataFrame列') print(df['team']) print('\ndf[\'level\'] 是 Category 类型的') print(df['level']) print('\n可以看出 df[\'level\'] 有点像是集合，输出信息会去重后列出组成元素') print(df['level'].get_values()) df:player score team level 0 Garsol 22 West Role 1 Hardon 34 West Star 2 Bill 12 East Role 3 Duran 31 West Star 4 James 26 East Star 5 Barter 19 East Role对比一下 Category 类型的数据和普通的 DataFrame中的列有什么区别df['team'] 是普通的 DataFrame列 0 West 1 West 2 East 3 West 4 East 5 East Name: team, dtype: objectdf['level'] 是 Category 类型的 0 Role 1 Star 2 Role 3 Star 4 Star 5 Role Name: level, dtype: category Categories (2, object): [Role < Star]可以看出 df['level'] 有点像是集合，输出信息会去重后列出组成元素 ['Role' 'Star' 'Role' 'Star' 'Star' 'Role']

显式创建 Categorical 数据

cg = pd.Categorical(['Role','Role','Star','Role','Killer','Star'],categories=['Role', 'Star']) cg [Role, Role, Star, Role, NaN, Star] Categories (2, object): [Role, Star]

可以看到，构造方法中第二个参数是指定了实例中可以包含的元素，在第一个参数中的元素如果不在 categories 中，就会被转成NaN。
Categorical 实例可以转为 Series，被称为 categorical series

s = pd.Series(cg) s 0 Role 1 Role 2 Star 3 Role 4 NaN 5 Star dtype: category Categories (2, object): [Role, Star]

也可以将 categorical 实例加入到 dataframe 实例的某一列中，被称为 categorical dataframe column：

df = pd.DataFrame({'players':['Garsol','Hardon','Bill','Duran','James','Barter']}) df['level'] = cg print(df['level'],'\n\n',df.dtypes) 0 Role 1 Role 2 Star 3 Role 4 NaN 5 Star Name: level, dtype: category Categories (2, object): [Role, Star] players object level category dtype: object

作者：那未必
链接：https://www.jianshu.com/p/20169d7f60bc
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

总结

以上是生活随笔为你收集整理的pandas中Category的应用的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。