Pandas数据分析学习打卡（三）：Category分类数据

Pandas数据分析学习打卡（三）：Category分类数据

主要内容：
对于分类数据，我的理解是，实际中会存在一类数据，它的类别是固定的，只有几种或者分为几个档次，然后pandas中的分类数据就是为此而存在。
它的创建有好几种方法，可以pandas对象的创建中将dtype指定为“category”，也可以利用内置Categorical类型创建，或者利用cut函数创建：

pd.Series(["a", "b", "c", "a"], dtype="category")
cat = pd.Categorical(["a", "b", "c", "a"], categories=['a','b','c'])
pd.cut(np.random.randint(0,60,5), [0,10,30,60])

在打印创建好的Category数据时，会返回一个Categories信息，显示有哪些类别，类似于unique函数返回结果吧，用set_categories可以修改这个类别，但是不改变值，导致在类别中不存在的值会直接变成NaN，用rename_categories修改的话，它会同步修改值。同时还有其它操作：
利用add_categories添加；利用remove_categories移除；remove_unused_categories删除元素值未出现的分类类型。

分类数据类型被分为有序和无序，可以利用as_ordered方法将一个序列转为有序变量，而要退化为无序变量的话就使用as_unordered，或者利用set_categories方法中的order参数，令其等于True。reorder_categories方法也可以实现有序化，但是它新设置的分类必须与原分类为同一集合。然后是排序操作，这里没有新的方法，应该就是用Python内置的值排序和索引排序。
最后是分类变量的比较操作，用==、>=、<=、<、>，返回布尔序列，可以与标量或等长序列的比较，与另一分类变量的比较。

问题与练习：
【问题一】 如何使用union_categoricals方法？它的作用是什么？
【问题二】 利用concat方法将两个序列纵向拼接，它的结果一定是分类变量吗？什么情况下不是？
回答：这里把问题一 和问题二连起来回答：
首先，利用concat方法将两个序列纵向拼接，它的结果不一定是分类变量：
当类别不一样时：