分类变量如何设置变量值的显示顺序

在做数据分析的时候，有时候分类变量值默认的排序不是我们想要的，需要调整显示顺序，pandas可以通过pd.Categorical来设置分类变量的显示顺序。

例如，对于数据分析教程常用的diamonds数据集，color等级是从J, I, H, G, F, E, D逐渐上升，如果要考察color等级和价格的关系，自然是希望color按照J, I, H, G, F, E, D顺序显示，但数据默认会按照字母（变量值）在数据中出现的顺序或者一般排序的顺序。

例如：直接绘图，color的显示顺序为变量值在数据中出现的顺序

import seaborn as sns 
sns.barplot(x = "color", y = "price",data = diamonds)

 

 

现在通过pd.Categorical()函数重新设置color列的显示顺序

color_cats = ['J', 'I', 'H', 'G', 'F', 'E', 'D']
diamonds['color'] = pd.Categorical(diamonds['color'], categories=color_cats, ordered=True)

设置完毕后，显示顺序就按照等级顺序了。