Python Pandas分类对象

杰米粉2021-10-12 14:03

    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(CategoricalObject),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])

    以上就是小编为大家整理发布的“Python Pandas分类对象”一文,更多相关内容尽在开课吧广场Python教程频道。

免责声明:本站所提供的内容均来源于网友提供或网络搜集,由本站编辑整理,仅供个人研究、交流学习使用。如涉及版权问题,请联系本站管理员予以更改或删除。
有用
分享