（数据科学学习手札68）pandas中的categorical类型及应用

「爱情、让人受尽委屈。」 2023-06-05 12:35 21阅读 0赞

一、简介

categorical是pandas中对应分类变量的一种数据类型，与R中的因子型变量比较相似，例如性别、血型等等用于表征类别的变量都可以用其来表示，本文就将针对categorical的相关内容及应用进行介绍。

二、创建与应用

2.1 基本特性和适用场景

在介绍具体方法之前，我们需要对pandas数据类型中的categorical类型有一个了解，categorical类似R中的因子型变量，可以进行排序操作，但不可以进行数值运算操作，其顺序在其被定义的时候一同确定，而不是按照数字字母词法排序的顺序，其适用场景有如下几个：

1、具有少数几种可能取值并存在大量重复的字符串字段，利用categorical类型对其转换后可有效节省内存

2、字段的排序规则特殊，不遵循词法顺序时，可以利用categorical类型对其转换后得到用户所需的排序规则、

2.2 创建方式

pandas中创建categorical型数据主要有如下几种方式：

1、对于Series数据结构，传入参数dtype='category'即可：

#直接创建categorical型Series
    series_cat = pd.Series(['B','D','C','A'], dtype='category')
    #显示Series信息
    series_cat

![1344061-20190902182033070-1423933852.png][]

可以看到，series\_cat的类型为category，但是没有声明顺序，这时若对Series排序，实际上还是按照词法的顺序：

series_cat.sort_values()

![1344061-20190902182250023-120560170.png][]

2、对于DataFrame，在定义数据之后转换类型：

#创建数据框
    df_cat = pd.DataFrame({
        'V1':['A','C','B','D']
    })
    #转换指定列的数据类型为category
    df_cat['V1'] = df_cat['V1'].astype('category')
    df_cat['V1']

![1344061-20190902182636789-2023820312.png][]

3、利用pd.Categorical()生成类别型数据后转换为Series，或替换DataFrame中的内容：

categorical_ = pd.Categorical(['A','B','D','C'],
                                  categories=['A','B','C','D'])
    series_cat = pd.Series(categorical_)
    series_cat

![1344061-20190902183042942-1198013847.png][]

categorical_ = pd.Categorical(['A','B','D','C'],
                                  categories=['A','B','C','D'])
    df_cat = pd.DataFrame({
        'V1':categorical_
    })
    df_cat['V1']

![1344061-20190902183158813-251598295.png][]

而pd.Categorical()独立创建categorical数据时有两个新的特性，一是其通过参数categories定义类别时，若原数据中出现了categories参数中没有的数据，则会自动转换为pd.nan：

categorical_ = pd.Categorical(['A','B','D','C'],
                                  categories=['B','C','D'])
    df_cat = pd.DataFrame({
        'V1':categorical_
    })
    df_cat['V1']

![1344061-20190902183526138-1975082264.png][]

另外pd.Categorical()还有一个bool型参数ordered，设置为True时则会按照categories中的顺序定义从小到大的范围：

categorical_ = pd.Categorical(['A','B','D','C'],
                                  categories=['A','B','C','D'],
                                 ordered=True)
    df_cat = pd.DataFrame({
        'V1':categorical_
    })
    df_cat['V1']

![1344061-20190902183833804-1314808523.png][]

4、利用pandas.api.types中的CategoricalDtype()对已有数据进行转换

通过CategoricalDtype()，我们可以结合astype()完成从其他类型数据向categorical数据的转换过程，利用CategoricalDtype()的参数categories、ordered，弥补.astype('category')的短板（实际上.astype('category')等价于.astype(CategoricalDtype(categories=None, ordered=False))）:

from pandas.api.types import CategoricalDtype
    #创建数据框
    df_cat = pd.DataFrame({
        'V1':['A','C','B','D']
    })
    cat = CategoricalDtype(categories=['A','C','B'],
                          ordered=True)
    df_cat['V1'] = df_cat['V1'].astype(cat)
    df_cat['V1']

![1344061-20190902184505568-821760595.png][]

2.3 应用

categorical型数据主要应用于自定义排序，如下例，我们创建了一个包含字符型变量class和数值型变量value的数据框：

import numpy as np
    
    df = pd.DataFrame({
        'class':np.random.choice(['A','B','C','D'],10),
        'value':np.random.uniform(0,10,10)
    })
    df.head()

![1344061-20190903191756718-1260697848.png][]

如果按照class列排序得到的结果是按照字母自然顺序：

df.sort_values('class')

![1344061-20190903191833195-1806514835.png][]

而通过将class列修改为自己定义的排序方式则得到的结果如下：

from pandas.api.types import CategoricalDtype
    cat = CategoricalDtype(categories=['B','D','A','C'],
                          ordered=True)
    df['class'] = df['class'].astype(cat)
    df.sort_values('class')

![1344061-20190903192108107-464098988.png][]

若想要临时修改排序规则，可以使用.cat.reorder\_categories()方法：

df['class'].cat.reorder_categories(['D','B','C','A'],
                                      ordered=True,
                                      inplace=True)#iinplace参数设置为True使得变动覆盖原数据
    df.sort_values('class')

![1344061-20190903192439081-1307196045.png][]

关于pandas中的categorical型数据还有很多的小技巧，因为不常用这里就不再赘述，感兴趣可以查看pandas的官方文档，以上就是本文的全部内容，如有笔误望指出！

转载于:https://www.cnblogs.com/feffery/p/11436158.html

[1344061-20190902182033070-1423933852.png]: /images/20230601/ff1981aeda464671a76b7922d5c247bb.png
[1344061-20190902182250023-120560170.png]: /images/20230601/e3b83ff1fcbf4f8391a89022330d0de1.png
[1344061-20190902182636789-2023820312.png]: /images/20230601/d1812d9bb06d48618811c35164876433.png
[1344061-20190902183042942-1198013847.png]: /images/20230601/befa9c18ed304007a4e2f0be763c6cf8.png
[1344061-20190902183158813-251598295.png]: /images/20230601/bac9af3ecc7947609475e2eafe5b3215.png
[1344061-20190902183526138-1975082264.png]: /images/20230601/ce919d386a424410af06f7ee4e5450ff.png
[1344061-20190902183833804-1314808523.png]: /images/20230601/e177cb56ad884187b215785368eaaacf.png
[1344061-20190902184505568-821760595.png]: /images/20230601/62f503307799454eb3a295916860c1f1.png
[1344061-20190903191756718-1260697848.png]: /images/20230601/e7e89ecce86b422ab32acba7ab4207dc.png
[1344061-20190903191833195-1806514835.png]: /images/20230601/9e5984a67db8488b9c08c39f57de8e9f.png
[1344061-20190903192108107-464098988.png]: /images/20230601/52099ebf6c6047d8ac0e747df04ef626.png
[1344061-20190903192439081-1307196045.png]: /images/20230601/2e5ce1b7550b4bea8431120c0364e482.png