04-3 pandas 中 pd.Categorical用法

最新推荐文章于 2024-02-03 08:53:50 发布

原创

最新推荐文章于 2024-02-03 08:53:50 发布 · 6.5k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #pandas

pandas.Categorical是用于表示类似于R/S-Plus的分类变量的数据结构。分类变量有固定的可能值，且可能带有顺序，但不允许数值运算。值必须在指定的类别中，否则会被替换为NaN。可以通过`values`、`categories`、`ordered`等参数创建。如果`ordered=True`，则分类被视为有序。CategoricalDtype对象记录了数据的类别信息，可以通过`codes`和`categories`属性查看。有序分类可以自定义排序并具有最小值和最大值的概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas.Categorical（values，categories = None，ordered = None，dtype = None，fastpath = False ）[source]
表示经典R / S-plus方式的分类变量

分类只能采用有限的，通常是固定数量的可能值（类别）。与统计分类变量相比，分类可能具有顺序，但数值运算（加法，除法，…）是不可能的。

分类的所有值都在类别或np.nan中。在类别之外分配值将引发ValueError。顺序由类别的顺序定义，而不是值的词汇顺序。

参数：

值：类似列表。分类的值，如果给出了类别，则不在类别中的值将替换为NaN。
类别：索引式（唯一），可选。此分类的唯一类别。如果没有给出，则假定类别是值的唯一值。
ordered：布尔值，（默认为False）。此分类是否被视为有序分类。如果没有给出，则不会订购生成的分类。
dtype：CategoricalDtype，CategoricalDtype用于此分类的实例

举：

ValueError异常：如果类别不验证。
类型错误：如果ordered=True给出了显式但没有类别且值不可排序。
下面我们来看实例：

In [16]: st = ['a','a','b','c','c']

In [17]: ss = pd.Categorical(st)

In [18]: ss
Out[18]:
[a, a, b, c, c]
Categories (3, object): [a, b, c]

In [22]: ss.dtype
Out[22]: CategoricalDtype(categories=['a', 'b', 'c'], ordered=False)

这里就可以看到 categorical 实际上是计算一个列表型数据中的类别数，即不重复项，它返回的是一个CategoricalDtype 类型的对象，相当于在原来数据上附加上类别信息，
具体的类别可以通过和对应的序号可以通过 codes 和