2021-05-12 14:32:11
詳細介紹在pandas中建立category型別資料的幾種方法
2021-04-02 13:01:39
在pandas中建立category型別資料的幾種方法之詳細攻略
T1、直接建立 category型別資料
可知,在category型別資料中,每一個元素的值要麼是預設好的型別中的某一個,要麼是空值(np.nan)。
T2、利用分箱機制(結合max、mean、min實現二分類)動態新增 category型別資料
輸出結果
[NaN, 'medium', 'medium', 'fat']
Categories (2, object): ['medium', 'fat']
name ID age age02 ... weight test01 test02 age02_mark
0 Bob 1 NaN 14 ... 140.5 1.000000 1.000000 Minors
1 LiSa 2 28 26 ... 120.8 2.123457 2.123457 Adults
2 Mary 38 24 ... 169.4 3.123457 3.123457 Adults
3 Alan None 6 ... 155.6 4.123457 4.123457 Minors
[4 rows x 12 columns]
實習程式碼
import pandas as pd import numpy as np contents={"name": ['Bob', 'LiSa', 'Mary', 'Alan'], "ID": [1, 2, ' ', None], # 輸出 NaN "age": [np.nan, 28, 38 , '' ], # 輸出 "age02": [14, 26, 24 , 6], "born": [pd.NaT, pd.Timestamp("1990-01-01"), pd.Timestamp("1980-01-01"), ''], # 輸出 NaT "sex": ['男', '女', '女', None,], # 輸出 None "hobbey":['打籃球', '打羽毛球', '打乒乓球', '',], # 輸出 "money":[200.0, 240.0, 290.0, 300.0], # 輸出 "weight":[140.5, 120.8, 169.4, 155.6], # 輸出 "test01":[1, 2.123456789, 3.123456781011126, 4.123456789109999], # 輸出 "test02":[1, 2.123456789, 3.123456781011126, 4.123456789109999], # 輸出 } data_frame = pd.DataFrame(contents) # T1、直接建立 category型別資料 weight_mark=pd.Categorical(['thin','medium','medium','fat'],categories=['medium','fat']) print(weight_mark) # T2、利用分箱機制(結合max、mean、min實現二分類)動態新增 category型別資料 col_age_des=pd.Series(data_frame['age02']).describe() age_ranges=[col_age_des['min']-1,col_age_des['mean'],col_age_des['max']+1] age_labels=['Minors','Adults'] # 高於平均值的為胖 data_frame['age02_mark']=pd.cut(data_frame['age02'],age_ranges,labels=age_labels) print(data_frame)
到此這篇關於詳細介紹在pandas中建立category型別資料的幾種方法的文章就介紹到這了,更多相關pandas建立category內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com!
相關文章