pandas
Kategoriska data
Sök…
Introduktion
Kategorier är en pandas datatyp, som motsvarar kategoriska variabler i statistik: en variabel som endast kan ta ett begränsat, och vanligtvis fast antal möjliga värden (kategorier; nivåer i R). Exempel är kön, social klass, blodtyper, landstillhörigheter, observationstid eller betyg via Likert-skalor. Källa: Pandas Docs
Skapa objekt
In [188]: s = pd.Series(["a","b","c","a","c"], dtype="category")
In [189]: s
Out[189]:
0 a
1 b
2 c
3 a
4 c
dtype: category
Categories (3, object): [a, b, c]
In [190]: df = pd.DataFrame({"A":["a","b","c","a", "c"]})
In [191]: df["B"] = df["A"].astype('category')
In [192]: df["C"] = pd.Categorical(df["A"])
In [193]: df
Out[193]:
A B C
0 a a a
1 b b b
2 c c c
3 a a a
4 c c c
In [194]: df.dtypes
Out[194]:
A object
B category
C category
dtype: object
Skapa stora slumpmässiga datasätt
In [1]: import pandas as pd
import numpy as np
In [2]: df = pd.DataFrame(np.random.choice(['foo','bar','baz'], size=(100000,3)))
df = df.apply(lambda col: col.astype('category'))
In [3]: df.head()
Out[3]:
0 1 2
0 bar foo baz
1 baz bar baz
2 foo foo bar
3 bar baz baz
4 foo bar baz
In [4]: df.dtypes
Out[4]:
0 category
1 category
2 category
dtype: object
In [5]: df.shape
Out[5]: (100000, 3)
Modified text is an extract of the original Stack Overflow Documentation
Licensierat under CC BY-SA 3.0
Inte anslutet till Stack Overflow