python类别,category是什么数据类型

　　python_分类_类别方法发件人代码构造器

　　高级熊猫进口numpy作为NP进口熊猫作为pdnp。随机的。seed(12345)导入matplotlib。py绘图为pltplt。RC( figure ，figsize=(10，6))PREVIOUS _ MAX _ ROWS=PD。选项。展示。MAX _ ROWS PD选项。展示。MAX _ ROWS=20np。set _ print选项(precision=4，suppress=True)分类数据背景和动机#背景和的# 表中的列通常会有重复的包含不同值的集合的情况。我们已# 经学过了独一无二的和值计数，它们可以从数组提取出不同的# 值，并分别计算频率：导入数组为NP；将熊猫作为pdvalues=pd导入.系列([苹果，橘子，苹果，苹果]* 2)数值# PD。唯一(值)# PD。value _ counts(值)0苹果1橙2苹果3苹果4苹果5橙6苹果7苹果类型：对象#以使take法存储原始的字符串系列：使用拿加载系列数据值=pd .Series([0，1，0，0] * 2)dim=pd .系列([apple ， orange])值im0 apple1 orangedtype:对象#使用拿分类分桶为分类或字典编码表示法# 这种整数表示的法称为分类或字典编码表示法。不同值得数# 组称为分类、字典或数据级。本书中，我们使分类的说法。表# 示分类的整数值称为分类编码或简单地称为编码。# 分类表示可以在进分析时的提性能。你也可以在保持编# 码不变的情况下，对分类进转换。些相对简单的转变例包# 括：# 重命名分类。# 加个新的分类，不改变已经存在的分类的顺序或位置暗淡。取(值)0苹果1橙0苹果0苹果0苹果1橙0苹果0苹果类型：熊猫熊猫中的对象分类类型的分类类型#熊猫有个特殊的分类类型，于保存使整数分类表示法# 的数据。看个之前的系列例:#熊猫的分类类型#熊猫有个特殊的分类类型，于保存使整数分类表示法# 的数据。看个之前的系列例:fruits=[苹果,桔子,苹果,苹果] * 2N=len(水果)df=pd .data frame({ fruit :fruit， basket_id: np.arange(N)， count: np.random.randint(3，15，size=N)， weight: np.random.uniform(0，4，size=N)}，columns=[basket_id ， fruit ， count ， weight ])df basket _ id fruit count weight 00 apple 53.85805805822 apple 42.97372的值不是NumPy数组，是个熊猫。绝对的实# 例：fruit_cat=df[水果]。astype(“类别”)水果_猫#水果_猫的值不是NumPy数组，是个熊猫。绝对的实# 例：0苹果1橘子2苹果3苹果4苹果5橘子6苹果7苹果名称：水果，dtype: categoryCategories (2，object):[苹果，橘子]c=水果_猫。价值观类型(c)熊猫。核心。数组。类别。类别#分类对象有种类和编码属性：c .类别c .代码数组([0，1，0，0，0，1，0，0]，dtype=int8)你可将数据帧的列通过分配转换结果，转换为分类：# 你可将数据帧的列通过分配转换结果，转换为分类：df[果]=df[果]。astype( category )df。水果0苹果1桔子2苹果3苹果4苹果5桔子6苹果7苹果名称：水果，dtype: categoryCategories (2，object):[苹果，桔子]#还可以从其它计算机编程语言序列直接创建熊猫。分类：我的类别=pd .分类([foo ， bar ， baz ， foo ， bar])my_categories[foo，bar，baz，foo，bar]Categories (3，object): [bar，baz，foo]#如果你已经从其它源获得了分类编码，你还可以使from_codes#构造器：类别=[foo ， bar ， baz ]代码=[0，1，2，0，0，1]my_cats_2=pd .Categorical.from _ codes(代码，类别)my _ cats _ 2[福，吧，巴兹，福，福，吧]类别(3，对象):[foo，bar，baz]类别#与显示指定不同，分类变换不认定指定的分类顺序。

　　因此，根据# data输入的顺序，categories数组的顺序会有所不同。使用# from_codes或其他构造函数时，可以指定一个有意义的分类顺序：ordered _ cat=PD . category . from _ codes(codes，categories，ordered=true) ordered _ cat [foo，Bar，baz，foo，foo，Bar] categories (3，object):[foo bar baz]output[foo bar baz]表示 foo 在 bar 前面，以此类推。order #的分类实例可以按as_ordered排序：# output [foo bar baz]表示 foo 在 bar 之前，以此类推。order #的分类例子可以按as _ ordered:my _ cats _ 2 . as _ ordered()[foo，bar，baz，foo，foo，bar] categories (3，object):[foo bar baz]categories #归入calculation #的计算与编码版本(如string array)相似，这使得pandass #的分类有些相似。有些熊猫组件，比如groupby函数，更适合分类。还有一些函数可以使有序标志位。#让我们看一些随机的数值数据，做pandas.qcut元函数。它将回归#熊猫。Categorical我们之前用了pandas.cut，但是没有解释#分类是怎么做的：NP . random . seed(12345)draws=NP . randn . randn(1000)draws[:5]# draws array([-0.2047，0.0 -0.5194，-0.5557，1.9658])#计算这个数据的分位数，提取一些统计信息：bins=pd.qcut (draws，4) bins [(-0.684-0.0101], (0.63, 3.928],(-0.0101，0.63)、(-0.684、-0.0101)、(-2.949999999999997、-0.684)、(-0.0101，0.63)、(0.63，3.928]]长度：1000类(4，区间[float 64]): [(-2.9499999999997、-0series(bin，name=quartile )结果=(pd。系列(平局)。分组依据(箱)。agg([count ， min ， max])。reset _ index())resultssquartilecountmax 0q 1250-2.949343-0.6854841 q 2250-0.683066-0.0101152 q 3250-0.010320.2889434854包含排序：# quantile series保存原始元分类信息，包含排序：results[ quarter ]0q 11 q 22 q 3 q 4 name:quarter，dtype:categories(4DataFrame列的分类通常会使内存大大减少。#我们来看一些有几千万元素的系列，和一些不同的分类：n=1000000 drawings=PD . Series(NP . random . randn(n))labels=PD . Series([ foo ， bar ， baz ， qux] * (n//)将标签转换为类别：#现在，将标签转换为类别：categories=labels . astype( category )#此时， 可以看到标签让内存的分类性大大提高：labels . memory _ usage()categories . memory _ usage()10000272 group by运算显然分类更快因为底层算法让整数代码编号# #转换成分类不是没有成本，但这是次要代价：# GroupBy运算显然分类更快，因为底层算法让整数代码编号# 487分组，而不是字符串数组。 % time _=labels . astype( category )wall time:705 ms分类方法# taxonomy #包含分类数据的Series有一些特殊的方法，类似于Series.str characters #的string方法。它还提供了方便的分类和编码方法。

　　请参阅# series: s=pd.series ([a ， b ， c ， d]* 2)cat _ s=s . astype( category )cat _ s0a 1 B2C 3d 4 a5 B6 C7 DD type:category categories(4，Object): [a，b，c，d]#特殊的cat属性提供了分类：cat _ s . cat . codescat _ s . cat . categories index([ a ， b ， c ， d ]，dtype= object )假设我们知道实际数据#我们可以让set_categories方法更改它们#我们可以让set_categories方法改变它们：actual _ categories=[a ， b ， c ， d ，e ]cat _ S2=cat _ s . cat . set _ categories(actual _ categories)cat _ s20a 1 B2 C3 D4 a5b 6 C7 DD type:categories categories(5，object): [A，b，c，d，E]虽然数据看起来没有变化，但是新的分类会反映在它们的操作中。比如# value_counts，如果有的话，表示分类：#虽然数据看起来没有变化，但是新的分类会反映在他们的操作中。例如，# value_counts(如果有)表示分类：cat _ s. value _ counts () cat _ s2。value _ counts()d2c2b 22 E0 dype:int 64。在键入数据集时，分类通常被用来方便地节省内存和性能。#筛选DataFrame或系列后，许多分类可能不会出现在数据中#。我们可以使用remove _ unused _ categories方法删除没有见过的类别#: #在键入数据集时，类别经常被用作节省内存和性能的便捷工具。#筛选DataFrame或系列后，许多分类可能不会出现在数据中#。我们可以让remove _ unused _ categories方法删除未见过的类别#: cat_s3=cat_s[cat_s.isin([a ， B )]cat _ s3cat _ S3 . cat . remove _ unused _ categories()0 a1 B4 a5 BD type:category categories(2，object): [a，B]创建用于建模的哑变量#创建用于建模的哑变量# wxdlh在使用统计或机器学习工具时，分类数据通常会转换为哑#变量，也称为一热编码。这包括创建# DataFrame不同类别的列；对于给定的分类，这些列包含1，其他列包含0。#看前面的例子：cat _ s=pd.series ([a ， b ， d] * 2，dtype= category )cat _ s 0a 1 b 2c 3D 4 a 5b 6 C7 DD type:category categories(4，object): [a，b，c D]前面第7章提到过，pandas.get_dummies函数可以将这些以#为分类数据的数据转换成包含虚拟变量的数据帧：#前面第7章提到过，pandas.get_dummies函数可以将这些以#为分类数据的数据转换成a数据

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。