Pandas数据类型之category的用法

下面是对“Pandas数据类型之category的用法”的详细讲解攻略。

什么是category类型

Pandas中的category数据类型，称为分类数据类型，是针对具有固定数量的不同值的数据进行有效管理的数据类型。在这种数据类型中，重复的数据仅保存一次。 方便快捷地对这种数据进行分组和排序。

在数据集中，用户的性别、部门、优先级、状态、等级和类型等属性通常只包含有限的可能值。 这样的属性称为分类属性（也称为标称属性）。 对于此类属性，建议将它们存储为类别类型。

如何创建category类型的Series

使用Pandas中的Series对象创建分类变量，需要将其中的dtype参数设置为'category'。

下面的示例代码演示了如何创建一个category类型的Series和DataFrame：

import pandas as pd

# 创建一个包含分类数据的Series对象
s = pd.Series(['male', 'female', 'female', 'male', 'unknown'], dtype='category')

# 创建一个包含分类数据的DataFrame对象
df = pd.DataFrame({'Gender': ['male', 'female', 'female', 'male','unknown'], 'Age': [20, 30, 25, 32, 19]}, dtype='category')

如何使用category类型的数据

在使用分类数据时，有几个操作是必须要掌握的，包括：

1. 强制转换为category类型

对于已经存在的Series或DataFrame对象，需要将某些列强制转换为类别数据类型。可以使用astype()函数来实现数据类型转换。

下面的示例代码演示了将DataFrame中的一列强制转换为类别数据类型：

# 创建一个包含分类数据的DataFrame对象
df = pd.DataFrame({'Dept': ['Sales', 'IT', 'Admin', 'Sales', 'Admin'], 'Salary': [5000, 6000, 7000, 5500, 7500]})

# 将Dept列强制转换为category类型
df['Dept'] = df['Dept'].astype('category')

在这个示例里，我们将DataFrame中的Dept列强制转换为类别数据类型。

2. 查看所有不同类别

使用unique()函数可以查看Series中所有不同的类别值。

下面的示例代码演示了如何查看一个类别类型的Series中所有不同的类别值：

# 创建一个包含分类数据的Series对象
s = pd.Series(['male', 'female', 'female', 'male', 'unknown'], dtype='category')

# 查看Series中所有不同的类别值
print(s.unique())

3. 分组和聚合

使用Pandas的groupby()函数可以根据列的类别值进行分组和聚合操作。

下面的示例代码演示了如何将DataFrame按照Dept分组，并对Salary列进行平均值聚合操作：

# 创建一个包含分类数据的DataFrame对象
df = pd.DataFrame({'Dept': ['Sales', 'IT', 'Admin', 'Sales', 'Admin'], 'Salary': [5000, 6000, 7000, 5500, 7500]})

# 将Dept列转换为category类型
df['Dept'] = df['Dept'].astype('category')

# 使用groupby函数将DataFrame按Dept列分组，并对Salary列进行平均值聚合操作
grouped = df.groupby(['Dept']).mean()
print(grouped)

在这个示例里，我们将DataFrame按Dept列的类别值进行了分组，并对Salary列进行平均值聚合操作。

总结

这篇攻略介绍了如何使用Pandas中的category数据类型。我们学习了如何创建和使用category类型的Series和DataFrame，以及分类数据的强制转换、查看所有不同类别、分组和聚合等操作。掌握了这些操作，可以更好地对数据进行分类和分析处理。