Dados Categóricos do Pandas

Exemplo de operação de dados classificados do Pandas

Os dados geralmente contêm colunas de texto repetitivo em tempo real. Gênero, país/As funções de região e código sempre são repetitivas. Estes são exemplos de dados classificados.
As variáveis categoriais podem adotar apenas um número limitado e geralmente fixo de valores possíveis. Além do comprimento fixo, os dados categoriais podem ter ordem, mas não podem realizar operações numéricas. A classificação é um tipo de dados do Pandas.

O tipo de dados categoriais é útil em várias situações

Uma variável de string que contém apenas alguns valores diferentes. Convertendo essa variável de string em uma variável categorial economizará algum espaço em memória.

Criação de objeto

Os objetos de categoria podem ser criados de várias maneiras. A seguir são descritas as diferentes maneiras:

Categoria

Especificando o dtype como "category" na criação do objeto Pandas.

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　print(s)

Resultados da Execução如下：

　0　a
　1　b
　2　c
　3　a
　dtype:　category
　Categorias　(3,　object):　[a,　b,　c]

O número de elementos passados para o objeto series é4Mas a categoria é apenas3Observar a mesma coisa na saída da categoria.

pd.Categorical

Usando o construtor padrão de categorias do Pandas, podemos criar um objeto de categoria.

pandas.Categorical(values, categories, ordered)

Vamos ver um exemplo-

　import　pandas　as　pd
　cat = pd.Categorical(['a', 'b', 'c', 'a', 'b', 'c'])
　print(cat)

Resultados da Execução如下：

　[a, b, c, a, b, c]
　Categorias　(3,　object):　[a,　b,　c]

Vamos ver outro exemplo

　import　pandas　as　pd
　cat = cat = pd.Categorical(['a','b','c','a','b','c','d'], ['c', 'b', 'a'])
　print(cat)

Resultados da Execução如下：

　[a, b, c, a, b, c, NaN]
　Categorias　(3, object): [c, b, a]

Aqui, o segundo parâmetro representa a categoria. Portanto, qualquer valor que não exista na categoria será considerado NaN.
Agora, veja o seguinte exemplo:

　import　pandas　as　pd
　cat = cat = pd.Categorical(['a','b','c','a','b','c','d'], ['c', 'b', 'a'], ordered=True)
　print(cat)

Resultados da Execução如下：

　[a, b, c, a, b, c, NaN]
　Categorias　(3, object): [c < b < a]

Do ponto de vista lógico, essa ordem significa que a é maior que b e b é maior que c.

Descrição

Usando o comando .describe() para dados categoriais, obtemos uma saída semelhante em uma série ou data frame no tipo de string.

　import　pandas　as　pd
　import numpy as np
　cat = pd.Categorical(["a", "c", "c", np.nan], categories=["b", "a", "c"])
　df = pd.DataFrame({"cat": cat, "s":["a", "c", "c", np.nan]})
　print(df.describe())
　print(df["cat"].describe())

Resultados da Execução如下：

　　　　cat s
count　　　　3　3
unique　　　2　2
top
freq　　　　　2　2
count　　　　　3
unique　　　　2
top
freq　　　　　　2
Nome: cat, dtype: object

Obter atributos de categorias

O comando obj.cat.categories é usado para obter as categorias do objeto.

　import　pandas　as　pd
　import numpy as np
　s = pd.Categorical(["a", "c", "c", np.nan], categories=["b", "a", "c"])
　print(s.categories)

Resultados da Execução如下：

　　Index([u'b', u'a', u'c'], dtype='object')

O comando obj.ordered é usado para obter a ordem do objeto.

　import　pandas　as　pd
　import numpy as np
　cat = pd.Categorical(["a", "c", "c", np.nan], categories=["b", "a", "c"])
　print(cat.ordered)

Resultados da Execução如下：

　　　False

A função retorna false, pois não especificamos nenhuma ordem.

Renomear categorias

A renomeação de categorias é feita atribuindo um novo valor à propriedade s.cat.categories do series.cat.categories.

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　s.cat.categories = ["Group %s" % g for g in s.cat.categories]
　print(s.cat.categories)

Resultados da Execução如下：

Index([u'Group a', u'Group b', u'Group c'], dtype='object')

As categorias iniciais [a, b, c] são atualizadas pela propriedade s.cat.categories do objeto.

Adicionar novas categorias

Pode usar o método Categorical.add_categories() para adicionar novas categorias.

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　s = s.cat.add_categories([4]
　print(s.cat.categories)

Resultados da Execução如下：

Index([u'a', u'b', u'c',　4], dtype='object')

Remover categorias

Pode usar o método Categorical.remove_categories() para remover categorias não necessárias.

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　print(("Objeto original:"))
　print(s)
　print(("After　removal:"))
　print(s.cat.remove_categories("a"))

Resultados da Execução如下：

　Objeto Original:
　0　a
　1　b
　2　c
　3　a
　dtype:　category
　Categorias　(3,　object):　[a,　b,　c]
　After　removal:
　0　NaN
　1　b
　2　c
　3　NaN
　dtype:　category
　Categorias　(2,　object):　[b,　c]

Comparação de Dados Categóricos

Pode-se comparar dados categóricos com outros objetos em três situações:

Compare o igual (== e !=) com objetos de lista semelhante à lista com o mesmo comprimento que os dados categóricos (lista, série, array, ...).

　import　pandas　as　pd
　cat　=　pd.Series([1,2,3]).astype("category",　categories=[1,2,3],　ordered=True)
　cat1　=　pd.Series([2,2,2]).astype("category",　categories=[1,2,3],　ordered=True)
　print(cat>cat1)

　0　　False
　1　　False
　2　　True
　dtype:　bool