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 pdimport 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 playerscoreteam0Garsol22West1Hardon34West2Bill12East3Duran31West4James26East5Barter19East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 West1 West2 East3 West4 East5 EastName: team, dtype: object df.team.astype('category') 0 West1 West2 East3 West4 East5 EastName: team, dtype: categoryCategories (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:
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
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'] = cgprint(df['level'],'nn',df.dtypes) 0 Role1 Role2 Star3 Role4 NaN5 StarName: level, dtype: categoryCategories (2, object): [Role, Star] players objectlevel categorydtype: 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。