Python酷库之旅-第三方库Pandas(174)

目录

一、用法精讲

801、pandas.Categorical类

801-1、语法

801-2、参数

801-3、功能

801-4、返回值

801-5、说明

801-6、用法

801-6-1、数据准备

801-6-2、代码示例

801-6-3、结果输出

802、pandas.Categorical.from_codes方法

802-1、语法

802-2、参数

802-3、功能

802-4、返回值

802-5、说明

802-6、用法

802-6-1、数据准备

802-6-2、代码示例

802-6-3、结果输出

803、pandas.Categorical.dtype属性

803-1、语法

803-2、参数

803-3、功能

803-4、返回值

803-5、说明

803-6、用法

803-6-1、数据准备

803-6-2、代码示例

803-6-3、结果输出

804、pandas.Categorical.categories属性

804-1、语法

804-2、参数

804-3、功能

804-4、返回值

804-5、说明

804-6、用法

804-6-1、数据准备

804-6-2、代码示例

804-6-3、结果输出

805、pandas.Categorical.ordered属性

805-1、语法

805-2、参数

805-3、功能

805-4、返回值

805-5、说明

805-6、用法

805-6-1、数据准备

805-6-2、代码示例

805-6-3、结果输出

二、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、Python魔法之旅

5、博客个人主页

一、用法精讲

801、pandas.Categorical类
801-1、语法
# 801、pandas.Categorical类
class pandas.Categorical(values, categories=None, ordered=None, dtype=None, fastpath=_NoDefault.no_default, copy=True)
Represent a categorical variable in classic R / S-plus fashion.

Categoricals can only take on a limited, and usually fixed, number of possible values (categories). In contrast to statistical categorical variables, a Categorical might have an order, but numerical operations (additions, divisions, …) are not possible.

All values of the Categorical are either in categories or np.nan. Assigning values outside of categories will raise a ValueError. Order is defined by the order of the categories, not lexical order of the values.

Parameters:
values
list-like
The values of the categorical. If categories are given, values not in categories will be replaced with NaN.

categories
Index-like (unique), optional
The unique categories for this categorical. If not given, the categories are assumed to be the unique values of values (sorted, if possible, otherwise in the order in which they appear).

ordered
bool, default False
Whether or not this categorical is treated as a ordered categorical. If True, the resulting categorical will be ordered. An ordered categorical respects, when sorted, the order of its categories attribute (which in turn is the categories argument, if provided).

dtype
CategoricalDtype
An instance of CategoricalDtype to use for this categorical.

Raises:
ValueError
If the categories do not validate.

TypeError
If an explicit ordered=True is given but no categories and the values are not sortable.
801-2、参数

801-2-1、values(必须)：array-like(如列表、numpy数组等)，表示输入的值，通常是一个列表、数组或其他可迭代对象，其中的数据将被转换为分类类型。

801-2-2、categories(可选，默认值为None)：array-like，定义分类的类别，可以是一个列表或数组，包含所有可能的类别。如果不指定，类别将从values中提取。如果categories的元素不包含在values中，仍可将其指定，但这些类别将被视为未出现类别。

801-2-3、ordered(可选，默认值为None)：布尔值，指定类别是否有顺序，如果设为True，则可用来执行有序比较。

801-2-4、dtype(可选，默认值为None)：CategoricalDtype或其他类型，指定类别的数据类型，可以通过设置此参数来自定义数据类型。

801-2-5、fastpath(可选)：布尔值，如果设为True，将绕过一些验证和处理步骤，适用于已经知道数据是分类的情况。

801-2-6、copy(可选，默认值为True)：布尔值，指定是否复制输入的数据，如果设为True，将创建values的副本。

801-3、功能
  • 内存效率: 使用分类数据可以显著降低内存消耗，特别是在处理重复类别的情况下。
  • 提高性能: 在数据分析中，分类数据的比较和处理速度通常比非分类数据快。
  • 易于操作: 提供诸如排序、分组等功能，可以方便地进行数据操作。
801-4、返回值

        返回一个Categorical对象，其中包含：

  • 分类值: 将values变量转换为指定的分类类型。
  • 类别信息: 所有定义的类别，包括用户提供的类别和从values中提取的类别。
  • 有序性信息: 指示类别是否有序的布尔值。
801-5、说明

        无

801-6、用法
801-6-1、数据准备
无
801-6-2、代码示例
# 801、pandas.Categorical类
import pandas as pd
# 创建一个分类类型数据
data = ['apple', 'banana', 'orange', 'banana', 'apple']
cat_data = pd.Categorical(data, categories=['apple', 'banana', 'orange'], ordered=True)
print(cat_data)
801-6-3、结果输出
# 801、pandas.Categorical类
# ['apple', 'banana', 'orange', 'banana', 'apple']
# Categories (3, object): ['apple' < 'banana' < 'orange']
802、pandas.Categorical.from_codes方法
802-1、语法
# 802、pandas.Categorical.from_codes方法
classmethod Categorical.from_codes(codes, categories=None, ordered=None, dtype=None, validate=True)
Make a Categorical type from codes and categories or dtype.

This constructor is useful if you already have codes and categories/dtype and so do not need the (computation intensive) factorization step, which is usually done on the constructor.

If your data does not follow this convention, please use the normal constructor.

Parameters:
codesarray-like of int
An integer array, where each integer points to a category in categories or dtype.categories, or else is -1 for NaN.

categoriesindex-like, optional
The categories for the categorical. Items need to be unique. If the categories are not given here, then they must be provided in dtype.

orderedbool, optional
Whether or not this categorical is treated as an ordered categorical. If not given here or in dtype, the resulting categorical will be unordered.

dtypeCategoricalDtype or “category”, optional
If CategoricalDtype, cannot be used together with categories or ordered.

validatebool, default True
If True, validate that the codes are valid for the dtype. If False, don’t validate that the codes are valid. Be careful about skipping validation, as invalid codes can lead to severe problems, such as segfaults.

New in version 2.1.0.

Returns:
Categorical
802-2、参数

802-2-1、codes(必须)：整数数组，表示每个数据点对应的类别编码。

802-2-2、categories(可选，默认值为None)：指定类别的顺序，如果未提供，则从codes中推断。

802-2-3、ordered(可选，默认值为None)：布尔值，指定分类是否有序。

802-2-4、dtype(可选，默认值为None)：指定返回的Categorical对象的dtype。

802-2-5、validate(可选，默认值为True)：布尔值，如果为True，会检查codes是否有效(即是否在[0, len(categories))范围内)。

802-3、功能

        用于从整数编码和类别创建Categorical对象，它提供了一种直接从编码创建分类数据的方式,而不是从原始数据转换。

802-4、返回值

        返回一个新的Categorical对象。

802-5、说明

        无

802-6、用法
802-6-1、数据准备
无
802-6-2、代码示例
# 802、pandas.Categorical.from_codes方法
import pandas as pd
codes = [0, 1, 2, 1, 0]
categories = ['apple', 'banana', 'orange']
cat = pd.Categorical.from_codes(codes, categories)
print(cat)
802-6-3、结果输出
# 802、pandas.Categorical.from_codes方法
# ['apple', 'banana', 'orange', 'banana', 'apple']
# Categories (3, object): ['apple', 'banana', 'orange']
803、pandas.Categorical.dtype属性
803-1、语法
# 803、pandas.Categorical.dtype属性
property Categorical.dtype
The CategoricalDtype for this instance.
803-2、参数

        无

803-3、功能

        用于获取或设置分类数据的类型信息。

803-4、返回值

        返回一个CategoricalDtype对象，表示该分类数据的类别及其是否有序的信息。

803-5、说明

        无

803-6、用法
803-6-1、数据准备
无
803-6-2、代码示例
# 803、pandas.Categorical.dtype属性
import pandas as pd
# 创建一个Categorical对象
cat = pd.Categorical(['apple', 'banana', 'apple'], categories=['apple', 'banana', 'orange'], ordered=True)
# 获取dtype属性
dtype_info = cat.dtype
print(dtype_info)
# 获取类别
print(dtype_info.categories)
# 检查是否有序
print(dtype_info.ordered)
803-6-3、结果输出
# 803、pandas.Categorical.dtype属性
# category
# Index(['apple', 'banana', 'orange'], dtype='object')
# True
804、pandas.Categorical.categories属性
804-1、语法
# 804、pandas.Categorical.categories属性
property Categorical.categories
The categories of this categorical.

Setting assigns new values to each category (effectively a rename of each individual category).

The assigned value has to be a list-like object. All items must be unique and the number of items in the new categories must be the same as the number of items in the old categories.

Raises:
ValueError
If the new categories do not validate as categories or if the number of new categories is unequal the number of old categories.
804-2、参数

        无

804-3、功能

        提供一个包含分类数据的所有唯一类别的索引对象，该索引对象可以用来查看和操作分类数据中的类别。

804-4、返回值

        返回一个Index对象，其中包含分类数据中所有唯一的类别。

804-5、说明

        无

804-6、用法
804-6-1、数据准备
无
804-6-2、代码示例
# 804、pandas.Categorical.categories属性
import pandas as pd
# 创建一个分类数据
data = pd.Categorical(["a", "b", "c", "a", "b"])
# 获取分类的所有唯一类别
categories = data.categories
print(categories)
804-6-3、结果输出
# 804、pandas.Categorical.categories属性
# Index(['a', 'b', 'c'], dtype='object')
805、pandas.Categorical.ordered属性
805-1、语法
# 805、pandas.Categorical.ordered属性
property Categorical.ordered
Whether the categories have an ordered relationship.
805-2、参数

        无

805-3、功能

        用来指示是否将类别视为有序(即有顺序的分类)或无序(即没有顺序的分类)。

  • 如果ordered=True，则表示分类具有一定的顺序，例如“低”、“中”、“高”。
  • 如果ordered=False，则表示分类之间没有顺序关系，例如“红色”、“蓝色”、“绿色”。
805-4、返回值

        创建Categorical对象时，如果将ordered设置为True，则返回的对象将允许进行一些顺序相关的操作，比如比较、排序等，这种情况下，可以使用Categorical的内置方法进行排序和比较。

805-5、说明

        无

805-6、用法
805-6-1、数据准备
无
805-6-2、代码示例
# 805、pandas.Categorical.ordered属性
import pandas as pd
# 创建一个无序的分类数据
cat_unordered = pd.Categorical(['apple', 'banana', 'orange'], ordered=False)
print(cat_unordered)
# 创建一个有序的分类数据
cat_ordered = pd.Categorical(['low', 'medium', 'high'], ordered=True)
print(cat_ordered)
# 比较顺序
print(cat_ordered[1] > cat_ordered[0])
print(cat_ordered[0] < cat_ordered[2])
805-6-3、结果输出
# 805、pandas.Categorical.ordered属性
# ['apple', 'banana', 'orange']
# Categories (3, object): ['apple', 'banana', 'orange']
# ['low', 'medium', 'high']
# Categories (3, object): ['high' < 'low' < 'medium']
# True
# False

二、推荐阅读

1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/903262.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

2.5 塑性力学—应变状态

2.5 塑性力学—应变状态

个人专栏—塑性力学 1.1 塑性力学基本概念 塑性力学基本概念 1.2 弹塑性材料的三杆桁架分析 弹塑性材料的三杆桁架分析 1.3 加载路径对桁架的影响 加载路径对桁架的影响 2.1 塑性力学——应力分析基本概念 应力分析基本概念 2.2 塑性力学——主应力、主方向、不变量 主应力、主…
阅读更多...
在房价涨声一片中，购房者更要看好钱袋，千万不要冲动入坑！

在房价涨声一片中，购房者更要看好钱袋，千万不要冲动入坑！

近几个月以来诸多媒体都传出房价上涨的好消息&#xff0c;二手房东也连连传出反价的消息&#xff0c;似乎房价真的到底了&#xff0c;一些购房者因此可能被市场的波动而冲动买房&#xff0c;笔者认为这个时候反而要更慎重地看待房价。 房价的低点确实很难预测&#xff0c;不过1…
阅读更多...
单链表OJ题（2）：反转链表、找中间节点

单链表OJ题（2）：反转链表、找中间节点

目录 1.反转链表 反转链表总结&#xff1a; 2.链表的中间节点&#xff08;快慢指针法&#xff09; 快慢指针法总结 1.反转链表 在这道题中&#xff0c;我们需要把一个单链表反转它们的指向&#xff0c;这里&#xff0c;我们给出了一个好理解的简单解法&#xff0c;就是用三…
阅读更多...
C++ 日志管理 spdlog 使用笔记

C++ 日志管理 spdlog 使用笔记

文章目录 Part.I IntroductionChap.I 预备知识Chap.II 常用语句 Part.II 使用Chap.I 简单使用Chap.II 自定义日志格式 Part.III 问题&解决方案Chap.I 如果文件存在则删除 Reference Part.I Introduction spdlog 是一个开源的 C 日志管理工具&#xff0c;Git 上面的地址为 …
阅读更多...
在html中引用unpkg的vue3，v-model无法绑定方法

在html中引用unpkg的vue3，v-model无法绑定方法

如果用下面代码引用vue使用&#xff0c;则注意v-model无法绑定方法。 <script src"https://unpkg.com/vue3/dist/vue.global.js"></script> 例如&#xff1a; <span>方法-全名&#xff1a;</span><input type"text" v-model&…
阅读更多...
如何将原本打开Edge呈现出的360浏览器，更换成原本的Edge页面或者百度等其他页面

如何将原本打开Edge呈现出的360浏览器，更换成原本的Edge页面或者百度等其他页面

每次打开Edge浏览器&#xff0c;都会呈现出360浏览器的页面&#xff0c;很烦。以下将说明如果将呈现出的360浏览器&#xff0c;更换成原本的Edge页面或者百度等其他页面。 1.找到你的控制面板&#xff0c;点击卸载程序。 2. 找到360安全卫士&#xff0c;右键单击更改/卸载。 3…
阅读更多...
【深度学习|地学应用】人工智能技术的发展历程与现状：探讨深度学习在遥感地学中的应用前景

【深度学习|地学应用】人工智能技术的发展历程与现状：探讨深度学习在遥感地学中的应用前景

【深度学习|地学应用】人工智能技术的发展历程与现状&#xff1a;探讨深度学习在遥感地学中的应用前景 【深度学习|地学应用】人工智能技术的发展历程与现状&#xff1a;探讨深度学习在遥感地学中的应用前景 文章目录 【深度学习|地学应用】人工智能技术的发展历程与现状&…
阅读更多...
抖音评论采集 可采子评论

抖音评论采集 可采子评论

下载&#xff1a;【1】https://drive.uc.cn/s/5257861b109b4?public1 【2】https://pan.quark.cn/s/e54155575698
阅读更多...
python pip更换(切换)国内镜像源

python pip更换(切换)国内镜像源

国内镜像源列表(个人推荐清华大学的源) ​ 清华大学&#xff1a; https://pypi.tuna.tsinghua.edu.cn/simple阿里云&#xff1a; http://mirrors.aliyun.com/pypi/simple豆瓣&#xff1a; http://pypi.douban.com/simple中国科技大学&#xff1a; https://pypi.mirrors.ustc.e…
阅读更多...
Linux 重启命令全解析：深入理解与应用指南

Linux 重启命令全解析：深入理解与应用指南

Linux 重启命令全解析&#xff1a;深入理解与应用指南 在 Linux 系统中&#xff0c;掌握正确的重启命令是确保系统稳定运行和进行必要维护的关键技能。本文将深入解析 Linux 中常见的重启命令&#xff0c;包括功能、用法、适用场景及注意事项。 一、reboot 命令 功能简介 re…
阅读更多...
福鼎自闭症全托干预：为福鼎地区自闭症患者提供个性化教育

福鼎自闭症全托干预：为福鼎地区自闭症患者提供个性化教育

在探讨自闭症儿童的教育与干预时&#xff0c;个性化与全面关怀成为了不可忽视的关键词。福鼎地区的自闭症全托干预项目&#xff0c;以其对患儿个体差异的深刻理解与尊重&#xff0c;为自闭症患者提供了量身定制的支持。而在遥远的广州&#xff0c;星贝育园自闭症儿童寄宿制学校…
阅读更多...
js基础入门篇

js基础入门篇

1.输出语句&#xff0c;内部样式&#xff0c;外部样式&#xff0c;数组定义 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta name"viewport" content"widthdevice-width, initial-scale1.…
阅读更多...
Oracle OCP认证考试考点详解082系列01

Oracle OCP认证考试考点详解082系列01

题记&#xff1a; 本篇博文是Oracle OCP认证考试考点详解082系列的第一篇&#xff0c;本系列主要讲解Oracle OCP认证考试考点&#xff08;题目&#xff09;&#xff0c;适用于19C/21C,跟着学OCP考试必过。 1. 第一题&#xff1a; 1. 题目 2. 解析及答案 关于Oracle数据库中节…
阅读更多...
numpy——索引切片

numpy——索引切片

一、索引和切片 import numpy as npx np.arange(48).reshape(6, 8) print(x)# 选取第二行 print(x[1]) #从0开始&#xff0c;取得第2行# 选取第二行, 第二列 print(x[1][1])# 选取第三行到最后一行, 第一列到最后一列 print(x[2:,2:])# 花式索引 (1, 1) 和 (4, 4) print(&quo…
阅读更多...
.NET 8 中的 Mini WebApi

.NET 8 中的 Mini WebApi

介绍 .NET 8 中的极简 API 隆重登场&#xff0c;重新定义了我们构建 Web 服务的方式。如果您想知道极简 API 的工作原理以及它们如何简化您的开发流程&#xff0c;让我们通过一些引人入胜的示例来深入了解一下。 .NET 极简主义的诞生 想想我们曾经不得不为一个简单的 Web 服务…
阅读更多...
【在Linux世界中追寻伟大的One Piece】Socket编程UDP(续)

【在Linux世界中追寻伟大的One Piece】Socket编程UDP(续)

目录 1 -> V3版本-实现简单聊天室 1 -> V3版本-实现简单聊天室 UdpServer.hpp #pragma once#include <iostream> #include <string> #include <cerrno> #include <cstring> #include <unistd.h> #include <strings.h> #include &…
阅读更多...
XHCI 1.2b 规范摘要（六）

XHCI 1.2b 规范摘要（六）

系列文章目录 XHCI 1.2b 规范摘要&#xff08;一&#xff09; XHCI 1.2b 规范摘要&#xff08;二&#xff09; XHCI 1.2b 规范摘要&#xff08;三&#xff09; XHCI 1.2b 规范摘要&#xff08;四&#xff09; XHCI 1.2b 规范摘要&#xff08;五&#xff09; XHCI 1.2b 规范摘要…
阅读更多...
Anki插件Export deck to html的改造

Anki插件Export deck to html的改造

在Anki中进行复习时&#xff0c;每次只能打开一条笔记。如果积累了很多笔记&#xff0c;有时候会有将它们集中输出成一个pdf进行阅读的想法。Anki插件Export deck to html&#xff08;安装ID&#xff1a;1897277426&#xff09;就有这个功能。但是&#xff0c;这个插件目前存在…
阅读更多...
哈希表——unordered_set和unordered_map的封装

哈希表——unordered_set和unordered_map的封装

个人主页&#xff1a;敲上瘾-CSDN博客 个人专栏&#xff1a;游戏、数据结构、c语言基础、c学习、算法 在本章关于哈希表的设计在这里就随便提一点不再过多的讲解&#xff0c;而把重点放在封装部分。 目录 一、哈希表的设计 1.模板参数的设计 二、迭代器封装 1.迭代器简单…
阅读更多...
理解计算机系统_异常控制流(一):异常

理解计算机系统_异常控制流(一):异常

前言 以<深入理解计算机系统>(以下称“本书”)内容为基础&#xff0c;对程序的整个过程进行梳理。本书内容对整个计算机系统做了系统性导引,每部分内容都是单独的一门课.学习深度根据自己需要来定 引入 异常控制流这章实际上是操作系统的一部分.操作系统简单的…
阅读更多...
最新文章

Copyright @ 2022~2023