pandas 数据类型研究（三）数据类型object与category

数据类型object与category比较

category数据类型

官方文档是这样描述的：

Categoricals 是 pandas 的一种数据类型，对应着被统计的变量。

　　1.Categoricals 是由固定的且有限数量的变量组成的。比如：性别、社会阶层、血型、国籍、观察时段、赞美程度等等。

　　2.与其它被统计的变量相比，categorical 类型的数据可以具有特定的顺序——比如：按程度来设定，“强烈同意”与“同意”，“首次观察”与“二次观察”，但是不能做按数值来进行排序操作

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　（比如：sort_by 之类的，换句话说，categorical 的顺序是创建时手工设定的，是静态的）

　　3.类型数据的每一个元素的值要么是预设好的类型中的某一个，要么是空值（np.nan）。

# 用一组数据记录各自的得分情况
import pandas as pd, numpy as np
players=[‘Garsol‘,‘Hardon‘,‘Bill‘]
scores=[22,34,12,]
teams=[‘West‘,‘West‘,‘East‘]
df=pd.DataFrame({‘player‘:players,‘score‘:scores,‘team‘:teams})
print("df.player.dtype：",df.player.dtype)
df

df["team"].astype(‘category‘)

d=pd.Series(scores).describe()
score_ranges=[d[‘min‘]-1,d[‘mean‘],d[‘max‘]+1]
score_labels=[‘Role‘,‘Star‘]
# 用pd.cut(ori_data, bins, labels) 方法
# 以 bins 设定的画界点来将 ori_data 归类，然后用 labels 中对应的 label 来作为分类名
df[‘level‘]=pd.cut(df[‘score‘],score_ranges,labels=score_labels)
df

df[‘team‘]

df[‘level‘]

df=pd.DataFrame({‘players‘:[‘Garsol‘,‘Hardon‘,‘Bill‘]})
df[‘level‘]=roles
df[‘level‘]

• • dtype="category"
• 使用 pd.Categorical 来构建分类数据
• 转为分类数据
• 常用操作
  • .describe()
  • .cat.categories　　
  • .cat.rename_categories　　
  • .value_counts()
  • .str 属性　　
  • pd.concat
  • union_categoricals 　　
• 内存使用量

pandas 数据类型研究（三）数据类型object与category

原文：https://www.cnblogs.com/wqbin/p/12786217.html