Pandas 分類數(shù)據(jù)

Pandas 分類數(shù)據(jù)的操作實例

數(shù)據(jù)通常實時包含重復的文本列。性別，國家/地區(qū)和代碼等功能始終是重復的。這些是分類數(shù)據(jù)的示例。
分類變量只能采用有限的且通常是固定數(shù)量的可能值。除固定長度外，分類數(shù)據(jù)可能還具有順序，但不能執(zhí)行數(shù)字運算。分類是Pandas數(shù)據(jù)類型。

分類數(shù)據(jù)類型在以下情況下很有用

一個僅包含幾個不同值的字符串變量。將這樣的字符串變量轉(zhuǎn)換為分類變量將節(jié)省一些內(nèi)存。

對象創(chuàng)建

分類對象可以通過多種方式創(chuàng)建。下面描述了不同的方式：

類別

通過在熊貓對象創(chuàng)建中將dtype指定為“ category”。

 import pandas as pd
 s = pd.Series(["a","b","c","a"], dtype="category")
 print(s)

運行結(jié)果如下：

 0 a
 1 b
 2 c
 3 a
 dtype: category
 Categories (3, object): [a, b, c]

傳遞給series對象的元素數(shù)為4，但是類別僅為3。在輸出類別中觀察相同。

pd.Categorical

使用標準的熊貓分類構(gòu)造器，我們可以創(chuàng)建一個類別對象。

pandas.Categorical(values, categories, ordered)

我們看一個實例-

 import pandas as pd
 cat = pd.Categorical(['a', 'b', 'c', 'a', 'b', 'c'])
 print(cat)

運行結(jié)果如下：

 [a, b, c, a, b, c]
 Categories (3, object): [a, b, c]

讓我們再看一個實例

 import pandas as pd
 cat = cat=pd.Categorical(['a','b','c','a','b','c','d'], ['c', 'b', 'a'])
 print(cat)

運行結(jié)果如下：

 [a, b, c, a, b, c, NaN]
 Categories (3, object): [c, b, a]

在這里，第二個參數(shù)表示類別。因此，類別中不存在的任何值都將被視為NaN。
現(xiàn)在，看看以下示例：

 import pandas as pd
 cat = cat=pd.Categorical(['a','b','c','a','b','c','d'], ['c', 'b', 'a'],ordered=True)
 print(cat)

運行結(jié)果如下：

 [a, b, c, a, b, c, NaN]
 Categories (3, object): [c < b < a]

從邏輯上講，該順序意味著a大于b且b大于c。

描述

使用.describe()的分類數(shù)據(jù)的命令，我們得到相似的輸出到一個系列或數(shù)據(jù)框的的類型的字符串。

 import pandas as pd
 import numpy as np
 cat = pd.Categorical(["a", "c", "c", np.nan], categories=["b", "a", "c"])
 df = pd.DataFrame({"cat":cat, "s":["a", "c", "c", np.nan]})
 print(df.describe())
 print(df["cat"].describe())

運行結(jié)果如下：

    cat s
count    3 3
unique   2 2
top      c c
freq     2 2
count     3
unique    2
top       c
freq      2
Name: cat, dtype: object

獲取分類的屬性

obj.cat.categories命令用于獲取對象的類別。

 import pandas as pd
 import numpy as np
 s = pd.Categorical(["a", "c", "c", np.nan], categories=["b", "a", "c"])
 print(s.categories)

運行結(jié)果如下：

  Index([u'b', u'a', u'c'], dtype='object')

obj.ordered命令用于獲取對象的順序。

 import pandas as pd
 import numpy as np
 cat = pd.Categorical(["a", "c", "c", np.nan], categories=["b", "a", "c"])
 print(cat.ordered)

運行結(jié)果如下：

   False

該函數(shù)返回false，因為我們未指定任何順序。

重命名分類

重命名類別是通過向series.cat.categories series.cat.categories屬性分配新值來完成的。

 import pandas as pd
 s = pd.Series(["a","b","c","a"], dtype="category")
 s.cat.categories = ["Group %s" % g for g in s.cat.categories]
 print(s.cat.categories)

運行結(jié)果如下：

Index([u'Group a', u'Group b', u'Group c'], dtype='object')

初始類別[a，b，c]由對象的s.cat.categories屬性更新。

追加新類別

使用Categorical.add.categories()方法，可以追加新類別。

 import pandas as pd
 s = pd.Series(["a","b","c","a"], dtype="category")
 s = s.cat.add_categories([4])
 print(s.cat.categories)

運行結(jié)果如下：

Index([u'a', u'b', u'c', 4], dtype='object')

刪除類別

使用Categorical.remove_categories()方法，可以刪除不需要的類別。

 import pandas as pd
 s = pd.Series(["a","b","c","a"], dtype="category")
 print(("Original object:"))
 print(s)
 print(("After removal:"))
 print(s.cat.remove_categories("a"))

運行結(jié)果如下：

 Original object:
 0 a
 1 b
 2 c
 3 a
 dtype: category
 Categories (3, object): [a, b, c]
 After removal:
 0 NaN
 1 b
 2 c
 3 NaN
 dtype: category
 Categories (2, object): [b, c]

分類數(shù)據(jù)比較

在三種情況下可以將分類數(shù)據(jù)與其他對象進行比較：

將等于（==和！=）與長度與分類數(shù)據(jù)相同的類似列表的對象（列表，序列，數(shù)組，...）進行比較。

 import pandas as pd
 cat = pd.Series([1,2,3]).astype("category", categories=[1,2,3], ordered=True)
 cat1 = pd.Series([2,2,2]).astype("category", categories=[1,2,3], ordered=True)
 print(cat>cat1)

 0  False
 1  False
 2  True
 dtype: bool