数据分析-Pandas分类数据的get和set

最新推荐文章于 2025-04-18 00:15:00 发布

原创

最新推荐文章于 2025-04-18 00:15:00 发布

· 1.6k 阅读

23 ·

版权

文章标签：

#数据分析 #pandas #分类

本文介绍了如何使用Pandas对包含分类数据的表格进行操作，如获取、设置、重塑和处理，特别是探讨了.get和.set方法在处理category类型数据时的细节，以及.loc、.iloc、.at和.iat的区别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据分析-Pandas分类数据的get和set

数据分析和处理中，难免会遇到各种数据，那么数据呈现怎样的规律呢？不管金融数据，风控数据，营销数据等等，莫不如此。如何通过图示展示数据的规律？

数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测 $NO_2$ 数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-优快云博客

实验数据分析处理，股票序列，时间序列，信号序列，有时候表格的数据并不完全是数值类型，也有可能是字符串，或者其他数据，需要做分类处理。pandas如何控制数据分类处理呢？需要配置哪些参数？

数据梳理

优化的 pandas 的.loc 、.iloc 、.at 和 .iat，使得数据访问方式正常。唯一的区别是返回类型（用于获取），和可以赋值已有的数值。categories

Getting

如果切片操作返回category类型的 DataFrame 或Series的列，则保留 dtype。

In [144]: idx = pd.Index(["h", "i", "j", "k", "l", "m", "n"])
In [145]: cats = pd.Series(["a", "b", "b", "b", "c", "c", "c"], dtype="category", index=idx)
In [146]: values = [1, 2, 2, 2, 3, 4, 5]
In [147]: df = pd.DataFrame({
   "cats": cats, "values": values}, index=idx)
In [148]: df.iloc[2:4, :]
Out[148]: 
  cats  values
j    b       2