Pandas 分類データ

Pandasの分類データの操作例

データは通常リアルタイムで重複するテキスト列を含んでいます。性別、国/機能やコードなどの機能は常に重複しています。これらは分類データの例です。
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)

以下の結果を実行しました：

　Original　object:
　1　0　NaN
　2　b
　3　0　a
　NaN
　dtype:　category3a

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)

以下の結果を実行しました：

　[a, b, c, a, b, c]
　dtype:　category3a

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)

以下の結果を実行しました：

　[a, b, c, a, b, c, NaN]
　dtype:　category3, 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)

以下の結果を実行しました：

　[a, b, c, a, b, c, NaN]
　dtype:　category3, 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类型字符串。

　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())

以下の結果を実行しました：

　　　　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

カテゴリの属性の取得

obj.cat.categoriesコマンドは、オブジェクトのカテゴリを取得するために使用されます。

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

以下の結果を実行しました：

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

obj.orderedコマンドは、オブジェクトの順序を取得するために使用されます。

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

以下の結果を実行しました：

　　　False

この関数はfalseを返します。なぜなら、任何の順序を指定していないからです。

カテゴリのリネーム

カテゴリのリネームは、series.cat.categories属性に新しい値を割り当てることで完了します。

　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)

以下の結果を実行しました：

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

初期カテゴリ[a，b，c]は、オブジェクトのs.cat.categories属性で更新されます。

新しいカテゴリの追加

Categorical.add.categories()メソッドを使用して、新しいカテゴリを追加できます。

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

以下の結果を実行しました：

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

カテゴリの削除

Categorical.remove_categories()メソッドを使用して、必要でないカテゴリを削除できます。

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　print(("オリジナルオブジェクト:"))
　print(s)
　print(s)
　print(("After　removal:"))

以下の結果を実行しました：

　print(s.cat.remove_categories("a"))
　Original　object:
　1　0　NaN
　2　b
　3　0　a
　NaN
　dtype:　category3a
　,　object):　[a,　b,　c]
　After　removal:
　1　0　NaN
　2　b
　3　c
　NaN
　dtype:　category2Categories　(

,　object):　[b,　c]

クラスデータの比較

以下の3つの状況でクラスデータを他のオブジェクトと比較することができます：

　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