Pandas分类

Pandas分类

• categorical data是指分类数据：数据类型为：男女、班级（一班、二班）、省份（河北、江苏等），若使用赋值法给变量赋值，例如（男=1，女=0），数字1,0之间没有大小之分，不能认为1是比0大的。
• numerical data是指数值型数据：收入（1000元，500元），是可以进行比较大小并进行运算的数据。

从0.15版本开始，pandas可以在DataFrame中支持Categorical类型的数据，

Pandas可以在DataFrame中包含分类数据

df = pd.DataFrame({"id":[1,2,3,4,5,6], "raw_grade":['a', 'b', 'b', 'a', 'a', 'e']})
df
df["raw_grade"]

#1 将原始grade成绩转换为分类数据
df["grade"] = df["raw_grade"].astype("category")
df["grade"]

#2.重命名分类数据为更有意义的名称:
df["grade"].cat.categories = ["very good", "good", "very bad"]
df

#3.对类别进行重新排序，增加缺失的类别：
df["grade"] = df["grade"].cat.set_categories(["very bad", "bad", "medium", "good", "very good"])
df["grade"]

#4.按整理后的类别排序(并非词汇的顺序)
df.sort_values(by="grade")

#5.按类别分组也包括空类别:
df.groupby("grade").size()