Pandas 分类数据

Pandas 分类数据的操作实例

数据通常实时包含重复的文本列。性别，国家/地区和代码等功能始终是重复的。这些是分类数据的示例。
分类变量只能采用有限的且通常是固定数量的可能值。除固定长度外，分类数据可能还具有顺序，但不能执行数字运算。分类是Pandas数据类型。

分类数据类型在以下情况下很有用

一个仅包含几个不同值的字符串变量。将这样的字符串变量转换为分类变量将节省一些内存。

对象创建

分类对象可以通过多种方式创建。下面描述了不同的方式：

类别

通过在熊猫对象创建中将dtype指定为“ category”。

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

运行结果如下：

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

传递给series对象的元素数为4，但是类别仅为3。在输出类别中观察相同。

pd.Categorical

使用标准的熊猫分类构造器，我们可以创建一个类别对象。

pandas.Categorical(values, categories, ordered)

我们看一个实例-

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

运行结果如下：

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

让我们再看一个实例

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

运行结果如下：

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

在这里，第二个参数表示类别。因此，类别中不存在的任何值都将被视为NaN。
现在，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)

运行结果如下：

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

从逻辑上讲，该顺序意味着a大于b且b大于c。

描述

使用.describe()的分类数据的命令，我们得到相似的输出到一个系列或数据框的的类型的字符串。

 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())

运行结果如下：

    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

获取分类的属性

obj.cat.categories命令用于获取对象的类别。

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

运行结果如下：

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

obj.ordered命令用于获取对象的顺序。

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

运行结果如下：

   False

该函数返回false，因为我们未指定任何顺序。

重命名分类

重命名类别是通过向series.cat.categories series.cat.categories属性分配新值来完成的。

 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)

运行结果如下：

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

初始类别[a，b，c]由对象的s.cat.categories属性更新。

追加新类别

使用Categorical.add.categories()方法，可以追加新类别。

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

运行结果如下：

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

删除类别

使用Categorical.remove_categories()方法，可以删除不需要的类别。

 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"))

运行结果如下：

 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]

分类数据比较

在三种情况下可以将分类数据与其他对象进行比较：

将等于（==和！=）与长度与分类数据相同的类似列表的对象（列表，序列，数组，...）进行比较。

 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