pandas学习：第十天

---

分类数据

一、cat对象

属性

category类型，使用户能够主力分类类型的变量，将普通序列转化为分类变量用astype方法。
对一个分类类型的Series中的cat对象类似于上一章的str对象
有两个组成部分，一个是index，另一个为是否有序
每一个序列会被赋予唯一的整数编号，取决于cat.categories中的顺序，通过cat.codes来访问

增删改

增加：add_categories
删除：remove_categories，删除原来序列中存在的类后，此类再次查询时为缺失
设置新序列：set_categories设置新的序列，若序列中没有此类则为缺失
删除未出现在序列中的类别： remove_unused_categories
改序列名：rename_categories

二、有序分类

序的建立

有序类别：as_ordered
无序类别：as_unordered
指定序列顺序：reorder_categories

排序与比较

将序列变量进行排序后，可以通过sort_index, sort_values进行排序
比较有两种：
一是：==，!=进行标量或长度的对比
二是：<,<=,>,>=进行原序列排序的对比
返回值为布尔值

三、区间类别

利用cut和qcut进行区间构造

最重要的参数是 bins ，如果传入整数 n ，则代表把整个传入数组的按照最大和最小值等间距地分为 n 段
bins 的另一个常见用法是指定区间分割点的列表（使用 np.infty 可以表示无穷大）
labels 和 retbins ，分别代表了区间的名字和是否返回分割点（默认不返回）
qcut 和 cut 几乎没有差别，只是把 bins 参数变成的 q 参数

一般区间的构造

备三个要素，即左端点、右端点和端点的开闭状态，其中开闭状态可以指定 right, left, both, neither 中的一类

pd.Interval(0, 1, 'right')

其属性包含了 mid, length, right, left, closed ，分别表示中点、长度、右端点、左端点和开闭状态
pd.IntervalIndex 对象有四类方法生成，分别是 from_breaks, from_arrays, from_tuples, interval_range
from_breaks 的功能类似于 cut 或 qcut 函数，只不过后两个是通过计算得到的分割点，而前者是直接传入自定义的分割点

pd.IntervalIndex.from_breaks([1,3,6,10], closed='both')

from_arrays 是分别传入左端点和右端点的列表，适用于有交集并且知道起点和终点的情况

pd.IntervalIndex.from_arrays(left = [1,3,6,10],
                             right = [5,4,9,11], 
                             closed = 'neither')

from_tuples 传入的是起点和终点元组构成的列表

pd.IntervalIndex.from_tuples([(1,5),(3,4),(6,9),(10,11)],
                              closed='neither')

一个等差的区间序列由起点、终点、区间个数和区间长度决定，其中三个量确定的情况下，剩下一个量就确定了， interval_range 中的 start, end, periods, freq 参数就对应了这四个量，从而就能构造出相应的区间

pd.interval_range(start=1,end=5,periods=8)

区间的属性与方法

IntervalIndex 有若干常用属性： left, right, mid, length ，分别表示左右端点、两端点均值和区间长度
contains 和 overlaps ，分别指逐个判断每个区间是否包含某元素，以及是否和一个 pd.Interval 对象有交集