在pandas中创建category类型数据的几种方法之详细攻略

T1、直接创建 category类型数据

可知，在category类型数据中，每一个元素的值要么是预设好的类型中的某一个，要么是空值（np.nan）。

T2、利用分箱机制(结合max、mean、min实现二分类)动态添加 category类型数据

输出结果

[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]

实习代码

import pandas as pd

import numpy as np

contents={"name": ['Bob',        'LiSa',                     'Mary',                       'Alan'],

         "ID":   [1,              2,                         ' ',                          None],    # 输出 NaN

         "age":  [np.nan,        28,                           38 ,                          '' ],   # 输出

         "age02":  [14,           26,                           24 ,                          6],

       "born": [pd.NaT,     pd.Timestamp("1990-01-01"),  pd.Timestamp("1980-01-01"),        ''],     # 输出 NaT

         "sex":  ['男',          '女',                        '女',                        None,],   # 输出 None

         "hobbey":['打篮球',     '打羽毛球',                   '打乒乓球',                    '',],   # 输出

         "money":[200.0,                240.0,                   290.0,                     300.0],  # 输出

         "weight":[140.5,                120.8,                 169.4,                      155.6],  # 输出

         "test01":[1,    2.123456789,        3.123456781011126,   4.123456789109999],    # 输出

         "test02":[1,    2.123456789,        3.123456781011126,   4.123456789109999],    # 输出

         }

data_frame = pd.DataFrame(contents)

# T1、直接创建 category类型数据

weight_mark=pd.Categorical(['thin','medium','medium','fat'],categories=['medium','fat'])

print(weight_mark)

# T2、利用分箱机制(结合max、mean、min实现二分类)动态添加 category类型数据

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']               # 高于平均值的为胖

data_frame['age02_mark']=pd.cut(data_frame['age02'],age_ranges,labels=age_labels)

print(data_frame)