第九章 分类数据

第九章 分类数据

一 所需要知识点

crosstab 第一个参数是列，第二个参数是行；

pd.corsstab(df.A, df.B)

1. 结构语法如下：
   pd.crosstab(index, columns, values=None,
   rownames=None, colnames=None, aggfunc=None, margins=False,
   margins_name: str = ‘All’, dropna: bool = True,
   normalize=False)

2.参数类型
ndex：类数组，在行中按分组的值。

columns：类数组的值，用于在列中进行分组。

values：类数组的，可选的，要根据因素汇总的值数组。

aggfunc：函数，可选，如果未传递任何值数组，则计算频率表。

rownames：序列，默认为None，必须与传递的行数组数匹配。

colnames：序列，默认值为None，如果传递，则必须与传递的列数组数匹配。

margins：布尔值，默认为False，添加行/列边距（小计）

normalize：布尔值，{‘all’，‘index’，‘columns’}或{0,1}，默认为False。

习题1
题目再现：

答案：

习题2
题目再现：

3. python中的object

Python中objectpy，object 是所有类继承的基类 因此int、str、list、tuple 等等这些内置的类这些都是type类的实例对象。因为type 也是类，因此type的基类也是object。

object是基类 但是python 当中的类也是对象 所以object 的type()类型也是type type 的type()方法返回type 自己所以object 的type()类型也是type type 的 type()方法返回的是type 自己。

4. python中的 category

category类型在pandas中是和string，int等类型并列的一种数据类型；

答案：
#分别采用两种不同的方法，把cut, clarity这两列按照由好到次的顺序，映射到从0到n-1的整数，其中n表示类别的个数。



4.对每克拉的价格分别按照分位数（q=[0.2, 0.4, 0.6, 0.8]）与[1000, 3500, 5500, 18000]割点进行分箱得到五个类别Very Low, Low, Mid, High, Very High，并把按这两种分箱方法得到的category序列依次添加到原表中。

考完试回来打卡，太紧张了。。。。。。