詳細(xì)介紹在pandas中創(chuàng)建category類型數(shù)據(jù)的幾種方法
在pandas中創(chuàng)建category類型數(shù)據(jù)的幾種方法之詳細(xì)攻略
T1、直接創(chuàng)建 category類型數(shù)據(jù)
可知，在category類型數(shù)據(jù)中，每一個(gè)元素的值要么是預(yù)設(shè)好的類型中的某一個(gè)，要么是空值（np.nan）。
T2、利用分箱機(jī)制(結(jié)合max、mean、min實(shí)現(xiàn)二分類)動(dòng)態(tài)添加 category類型數(shù)據(jù)
輸出結(jié)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(shí)習(xí)代碼
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、直接創(chuàng)建 category類型數(shù)據(jù)
weight_mark=pd.Categorical(['thin','medium','medium','fat'],categories=['medium','fat'])
print(weight_mark)
# T2、利用分箱機(jī)制(結(jié)合max、mean、min實(shí)現(xiàn)二分類)動(dòng)態(tài)添加 category類型數(shù)據(jù)
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'] # 高于平均值的為胖
data_frame['age02_mark']=pd.cut(data_frame['age02'],age_ranges,labels=age_labels)
print(data_frame)
到此這篇關(guān)于詳細(xì)介紹在pandas中創(chuàng)建category類型數(shù)據(jù)的幾種方法的文章就介紹到這了,更多相關(guān)pandas創(chuàng)建category內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
DRF常用功能的案例基本用法都有講解，關(guān)于限流（Throttling）這個(gè)功能其實(shí)在真實(shí)的業(yè)務(wù)場景中能真正用到的其實(shí)不算多。今天說這個(gè)話題其實(shí)一方面是討論功能，另一方面也是希望換個(gè)角度去審視我們的開發(fā)過程，希望大家可以在使用DRF功能的同時(shí)，也了解一下功能背后的實(shí)現(xiàn)2021-06-06
Python容錯(cuò)的前綴樹實(shí)現(xiàn)中文糾錯(cuò)
本文使用 Python 實(shí)現(xiàn)了前綴樹，并且支持編輯距離容錯(cuò)的查詢。文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2021-07-07
本文主要介紹了Python3列表刪除的三種方式實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-08-08
Python實(shí)現(xiàn)GUI計(jì)算器(附源碼)
這篇文章主要為大家詳細(xì)介紹了如何利用Python語言實(shí)現(xiàn)GUI計(jì)算器，可執(zhí)行復(fù)雜運(yùn)算，文中的示例代碼講解詳細(xì)，具有一定的借鑒價(jià)值，需要的可以參考一下2022-11-11
這篇文章主要介紹了python如何將空格分隔輸入兩個(gè)數(shù)問題,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02
Python計(jì)算機(jī)視覺SIFT尺度不變的圖像特征變換
這篇文章主要為大家介紹了Python計(jì)算機(jī)視覺SIFT尺度不變的圖像特征變換，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
python數(shù)據(jù)結(jié)構(gòu)之棧、隊(duì)列及雙端隊(duì)列
在上一章的學(xué)習(xí)中，我們主要學(xué)習(xí)了怎么去衡量一個(gè)算法的好壞，比較常見的方式是使用大O記法，就是所謂的時(shí)間復(fù)雜度，這一章節(jié)我來學(xué)習(xí)基本的數(shù)據(jù)結(jié)構(gòu)，如棧、隊(duì)列和雙端隊(duì)列等等。感興趣的小伙伴可以參考一下2021-12-12
python機(jī)器學(xué)習(xí)之神經(jīng)網(wǎng)絡(luò)
這篇文章主要介紹了python機(jī)器學(xué)習(xí)之神經(jīng)網(wǎng)絡(luò),文中有非常詳細(xì)的代碼示例,對正在學(xué)習(xí)python的小伙伴們有很好地幫助,需要的朋友可以參考下2021-04-04
Pycharm中新添加或者導(dǎo)入項(xiàng)目文件名紅色的解決方法
Pycharm的代碼中添加新的文件夾,發(fā)現(xiàn)文件夾下的文件名是紅色的,遇到這樣的問題如何解決呢,下面小編給大家?guī)砹薖ycharm中新添加或者導(dǎo)入項(xiàng)目文件名紅色的解決方法,感興趣的朋友一起看看吧2023-12-12
Python中的字符串類型基本知識(shí)學(xué)習(xí)教程
這篇文章主要介紹了Python中的字符串類型基本知識(shí)學(xué)習(xí)教程,包括轉(zhuǎn)義符和字符串拼接以及原始字符串等基礎(chǔ)知識(shí)講解,需要的朋友可以參考下2016-02-02