通常實(shí)時(shí)的數(shù)據(jù)包括重復(fù)的文本列。例如：性別，國(guó)家和代碼等特征總是重復(fù)的。這些是分類(lèi)數(shù)據(jù)的例子。

分類(lèi)變量只能采用有限的數(shù)量，而且通常是固定的數(shù)量。除了固定長(zhǎng)度，分類(lèi)數(shù)據(jù)可能有順序，但不能執(zhí)行數(shù)字操作。 分類(lèi)是Pandas數(shù)據(jù)類(lèi)型。

分類(lèi)數(shù)據(jù)類(lèi)型在以下情況下非常有用 -

• 一個(gè)字符串變量，只包含幾個(gè)不同的值。將這樣的字符串變量轉(zhuǎn)換為分類(lèi)變量將會(huì)節(jié)省一些內(nèi)存。
• 變量的詞匯順序與邏輯順序("one"，"two"，"three")不同。 通過(guò)轉(zhuǎn)換為分類(lèi)并指定類(lèi)別上的順序，排序和最小/最大將使用邏輯順序，而不是詞法順序。
• 作為其他python庫(kù)的一個(gè)信號(hào)，這個(gè)列應(yīng)該被當(dāng)作一個(gè)分類(lèi)變量(例如，使用合適的統(tǒng)計(jì)方法或plot類(lèi)型)。

對(duì)象創(chuàng)建

分類(lèi)對(duì)象可以通過(guò)多種方式創(chuàng)建。下面介紹了不同的方法 -

類(lèi)別/分類(lèi)

通過(guò)在pandas對(duì)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)

執(zhí)行上面示例代碼，得到以下結(jié)果 -

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

傳遞給系列對(duì)象的元素?cái)?shù)量是四個(gè)，但類(lèi)別只有三個(gè)。觀察相同的輸出類(lèi)別。

pd.Categorical

使用標(biāo)準(zhǔn)Pandas分類(lèi)構(gòu)造函數(shù)，我們可以創(chuàng)建一個(gè)類(lèi)別對(duì)象。語(yǔ)法如下 -

pandas.Categorical(values, categories, ordered)

舉個(gè)例子 -

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

執(zhí)行上面示例代碼，得到以下結(jié)果 -

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

再舉一個(gè)例子 -

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

執(zhí)行上面示例代碼，得到以下結(jié)果 -

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

這里，第二個(gè)參數(shù)表示類(lèi)別。因此，在類(lèi)別中不存在的任何值將被視為NaN。

現(xiàn)在，看看下面的例子 -

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

執(zhí)行上面示例代碼，得到以結(jié)果 -

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

從邏輯上講，排序(ordered)意味著，a大于b，b大于c。

描述

使用分類(lèi)數(shù)據(jù)上的.describe()命令，可以得到與類(lèi)型字符串的Series或DataFrame類(lèi)似的輸出。

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 ("=============================")
print (df["cat"].describe())

執(zhí)行上面示例代碼，得到以下結(jié)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

獲取類(lèi)別的屬性

obj.cat.categories命令用于獲取對(duì)象的類(lèi)別。

import pandas as pd
import numpy as np

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

執(zhí)行上面示例代碼，得到以下結(jié)果 -

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

obj.ordered命令用于獲取對(duì)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)

執(zhí)行上面示例代碼，得到以下結(jié)果 -

False

該函數(shù)返回結(jié)果為：False，因?yàn)檫@里沒(méi)有指定任何順序。

重命名類(lèi)別

重命名類(lèi)別是通過(guò)將新值分配給series.cat.categories屬性來(lái)完成的。參考以下示例代碼 -

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)

執(zhí)行上面示例代碼，得到以下結(jié)果 -

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

初始類(lèi)別[a，b，c]由對(duì)象的s.cat.categories屬性更新。

附加新類(lèi)別
使用Categorical.add.categories()方法，可以追加新的類(lèi)別。

import pandas as pd

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

執(zhí)行上面示例代碼，得到以下結(jié)果 -

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

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

import pandas as pd

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

執(zhí)行上面示例代碼，得到以下結(jié)果 -

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(lèi)數(shù)據(jù)的比較

在三種情況下可以將分類(lèi)數(shù)據(jù)與其他對(duì)象進(jìn)行比較 -

• 將等號(hào)(==和!=)與類(lèi)別數(shù)據(jù)相同長(zhǎng)度的類(lèi)似列表的對(duì)象(列表，系列，數(shù)組…)進(jìn)行比較。
• 當(dāng)ordered==True和類(lèi)別是相同時(shí)，所有比較(==，!=，>，>=，<，和<=)分類(lèi)數(shù)據(jù)到另一個(gè)分類(lèi)系列。
• 將分類(lèi)數(shù)據(jù)與標(biāo)量進(jìn)行比較。

看看下面的例子 -

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)

執(zhí)行上面示例代碼，得到以下結(jié)果 -

0    False
1    False
2     True
dtype: bool