详细介绍在pandas中创建category类型数据的几种方法

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)

来源：https://blog.csdn.net/qq_41185868/article/details/115314188