Datawhale

数据的分类，在数据分析里很常见，学到这里，感觉是把excel里函数和编程融合在一起了，很方便。

一、分类的创建、分类类别的更改

1、可以用series创建，用Dataframe 和内置的Categorical来创建，或者利用cut函数创建（默认使用区间类型为标签）

pd.Series(["a", "b", "c", "a"], dtype="category")

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

 

temp_df = pd.DataFrame({'A':pd.Series(["a", "b", "c", "a"], dtype="category"),'B':list('abcd')})
temp_df.dtypes

A    category
B      object
dtype: object

 

cat = pd.Categorical(["a", "b", "c", "a"], categories=['a','b','c'])
pd.Series(cat)

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

pd.cut(np.random.randint(0,60,5), [0,10,30,60])

[(10, 30], (0, 10], (10, 30], (30, 60], (30, 60]]
Categories (3, interval[int6

NOTE：一个分类变量包括三个部分，元素值（values）、分类类别（categories）、是否有序（order）；从上面可以看出，使用cut函数创建的分类变量默认为有序分类变量

二、对分类数据的排序

Pandas里有个概念：序。序的建立：

（1）一般来说会将一个序列转为有序变量，可以利用as_ordered方法

In [16]:

s = pd.Series(["a", "d", "c", "a"]).astype('category').cat.as_ordered()
s

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

 退化为无序变量，只需要使用as_unordered

s.cat.as_unordered()

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

（2）利用set_categories方法中的order参数

pd.Series(["a", "d", "c", "a"]).astype('category').cat.set_categories(['a','c','d'],ordered=True)

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

（3）利用reorder_categories方法【新设置的分类必须与原分类为同一集合】

三、分类数据的比较（例子再写）

1. 与标量或等长序列的比较

（a）标量比较

（b）等长序列比较

2. 与另一分类变量的比较

（a）等式判别（包含等号和不等号）【两个分类变量的等式判别需要满足分类完全相同】

（b）不等式判别（包含>=,<=,<,>）两个分类变量的不等式判别需要满足两个条件：① 分类完全相同 ② 排序完全相同