Pandas学习总结——8.分类数据

1 category的创建及其性质

1.1 分类变量的创建

四类创建方法：

• Series
• 对DataFrame指定类型
• 使用内置Categorical类型
• 使用cut函数

# Series方法创建
pd.Series(["a", "b", "c", "a"], dtype="category")

# 对DataFrame指定类型
temp_df = pd.DataFrame({
   'A':pd.Series(["a", "b", "c", "a"], dtype="category"),'B':list('abcd')})

# 使用内置Categorical类型
cat = pd.Categorical(["a", "b", "c", "a"], categories=['a','b','c'])
pd.Series(cat)

# 使用cut函数，默认使用区间类型为标签
pd.cut(np.random.randint(0,60,5), [0,10,30,60])
# 可指定字符为标签
pd.cut(np.random.randint(0,60,5), [0,10,30,60], right=False, labels=['0-10','10-30','30-60'])

1.2 分类变量的结构

包括三个部分，元素值（values）、分类类别（categories）、是否有序（order）。使用cut函数创建的分类变量默认为有序分类变量。
如何获取或修改这些属性？
（a）describe方法
该方法描述了一个分类序列的情况，包括非缺失值个数、元素值类别数（不是分类类别数）、最多次出现的元素及其频数

s = pd.Series(pd.Categorical(["a", "b", "c", "a",np.nan], categories=