标签：分类 cat print pd import 类别 操作 pandas categories
通常情况下，数据集中会存在许多同一类别的信息，比如相同国家、相同行政编码、相同性别等，当这些相同类别的数据多次出现时，就会给数据处理增添许多麻烦，导致数据集变得臃肿，不能直观、清晰地展示数据。
针对上述问题，Pandas 提供了分类对象（Categorical Object），该对象能够实现有序排列、自动去重的功能，但是它不能执行运算。本节，我们了解一下分类对象的使用。
对象创建
我们可以通过多种方式创建分类对象，下面介绍以下两种方法：
1) 指定dtype创建
- import pandas as pd
- s = pd.Series(["a","b","c","a"], dtype="category")
- print(s)
输出结果：
0 a 1 b 2 c 3 a dtype: category Categories (3, object): [a, b, c]
通过上述示例，您可能会注意到，虽然传递给 Series 四个元素值，但是它的类别为 3，这是因为 a 的类别存在重复。
2) pd.Categorical
通过 Category 的构造函数，您可以创建一个类别对象。构造函数，如下所示：
pandas.Categorical(values, categories, ordered)
values：以列表的形式传参，表示要分类的值。
ordered：布尔值，默认为 False，若为 Ture，表示对分类的数据进行排序。
dtype：返回一个 category 类型，表示分类对象。
示例如下：
- import pandas as pd
- #自动按a、b、c分类
- cat = pd.Categorical(['a', 'b', 'c', 'a', 'b', 'c'])
- print(cat)
输出结果：
[a, b, c, a, b, c] Categories (3, object): [a, b, c]
再看一组示例：
- import pandas as pd
- cat=pd.Categorical(['a','b','c','a','b','c','d'], ['c', 'b', 'a'])
- print(cat)
输出结果：
[a, b, c, a, b, c, NaN] Categories (3, object): [c, b, a]
上述示例中，第二个参数值表示类别，当列表中不存在某一类别时，会自动将类别值设置为 NA。
通过指定ordered=True来实现有序分类。示例如下：
- import pandas as pd
- cat=pd.Categorical(['a','b','c','a','b','c','d'], ['c', 'b', 'a'],ordered=True)
- print(cat)
- #求最小值
- print(cat.min())
输出结果：
[a, b, c, a, b, c, NaN] Categories (3, object): [c < b < a] c
获取统计信息
对已经分类的数据使用 describe() 方法，您会得到和数据统计相关的摘要信息。
- 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())
输出结果：
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
获取类别属性
使用obj.categories命令可以获取对象的类别信息。示例如下：
- import pandas as pd
- import numpy as np
- s = pd.Categorical(["a", "c", "c", np.nan], categories=["b", "a", "c"])
- print (s.categories)
输出结果：
Index(['b', 'a', 'c'], dtype='object')
通过 obj.order 可以获取 order 指定的布尔值：
- import pandas as pd
- import numpy as np
- cat = pd.Categorical(["a", "c", "c", np.nan], categories=["b", "a", "c"])
- #False表示未指定排序
- print (cat.ordered)
输出结果：
False
重命名类别
要想对类别实现重命名，可以通过 Series.cat.categories 来实现的，示例如下：
- import pandas as pd
- s = pd.Series(["a","b","c","a"], dtype="category")
- #对类名重命名
- s.cat.categories = ["Group %s" % g for g in s.cat.categories]
- print(s.cat.categories)
输出结果：
Index(['Group a', 'Group b', 'Group c'], dtype='object')
追加新类别
使用 s.cat.add_categories() 方法，可以追加新类别。
- import pandas as pd
- s = pd.Series(["a","b","c","a"], dtype="category")
- #追加新类别
- s = s.cat.add_categories([5])
- #查看现有类别
- print(s.cat.categories)
输出结果：
Index(['a', 'b', 'c', 5], dtype='object')
删除类别
使用 remove_categories() 方法，可以删除不需要的类别。示例如下：
- import pandas as pd
- s = pd.Series(["a","b","c","a"], dtype="category")
- #原序列
- print(s)
- #删除后序列
- print(s.cat.remove_categories("a"))
输出结果
0 a 1 b 2 c 3 a dtype: category Categories (3, object): [a, b, c] 0 NaN 1 b 2 c 3 NaN dtype: category Categories (2, object): [b, c]
分类对象比较
在下述两种情况下，我们可以对分类对象进行比较：
- 当两个类别对象长度相同时，可以进行比较运算；
- 当两个类别的 ordered 均等于 True，并且类别相同时，可以进行比较运算，比如 ==，！=，>，>=，< 和 <=。
示例如下：
- import pandas as pd
- s1=['a','a','b','d','c']
- #当满足两个类别长度相同时
- ss0=pd.Categorical(s1,categories=['a','d','b','c'])
- ss1 = pd.Categorical(s1)
- print(ss0==ss1)
输出结果：
array([ True, True, True, True, True])
示例如下：
import pandas as pd
- s1=['a','a','b','d','c']
- s2=['a','b','b','d','c']
- #满足上述第二个条件，类别相同，并且ordered均为True
- ss0=pd.Categorical(s1,categories=['a','d','b','c'],ordered=True)
- ss1 = pd.Categorical(s2,categories=['a','d','b','c'],ordered=True)
- print(ss0<ss1)
输出结果：
array([False, True, False, False, False])
标签：分类,cat,print,pd,import,类别,操作,pandas,categories 来源： https://www.cnblogs.com/catfeel/p/15645386.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。