[TOC] ***** 分類數據對應的是統計學中的分類變量：擁有一些有限的值。比如說性別，類型等等。 分類的數據可以有序列性屬性，但是不支持數值類型的操作。 常用的場景如下： 1. 將一個只擁不是很多值的字符串變量轉換成分類變量可以節省內存 2. 分類變量可以讓數據有邏輯排序而不是詞匯（詞典）的排序，比如 One/two/three。詞匯排序，按首字母排序 3. 和其它Python庫交互時，它會被當做分類變量處理 ### 1.6.1. 創建分類特征 **Series的創建** ``` import pandas as pd # 設定dtype為category s = pd.Series(["a", "b", "c", "a"], dtype="category") ``` 分類數據顯示共有多少種值，重復的不顯示  ***** ``` # 轉換已有的數據類型 將A列字符串類型轉換為分類數據類型 df = pd.DataFrame({"A": ["a", "b", "c", "a"]}) #將結果保存在dataframe的B列中 df["B"] = df["A"].astype('category') ```  ***** ``` # 通過pandas.Categorical 對象進行創建 指定b c d是分類數據，同時它們有序，順序是categories列表順序, b<c<d raw_cat = pd.Categorical(["a", "b", "c", "a"], categories=["b", "c", "d"],ordered=True) #變為series s = pd.Series(raw_cat) ``` 創建結果，d在raw_cat中沒有出現，但d也被定義為分類數據，共有三個分類數據  ***** 將分類數據變為dataFrame的一個列  ***** **DataFrame的創建** 和之前series創建類似，不過dataframe中可以批量的將列轉換格式 ``` #將df_cat的兩列都轉換為category類型 ```  *****  ``` #collage列轉換為category類型 df['collage'] = df['collage'].astype("category") ```  ### 1.6.2. 控制分類值行為:CategoricalDtype "category"默認了分類值的行為： * 類別從數據中繼續進行推斷 * 沒有排序的性質 ``` from pandas.api.types import CategoricalDtype s = pd.Series(['a','b','b','c','d']) ```  ``` cat_type = CategoricalDtype(categories=['b','c','d'],ordered=True) s.astype(cat_type) ```  一個分類的類別描述如下： * categories：一個唯一值的序列并且沒有缺失值 * ordered: 是否排序，布爾類型 ``` CategoricalDtype(categories=['b','c','d'],ordered=True) ``` ### 1.6.3. 分類值的描述 ``` df['collage'].describe() ```  ### 1.6.4. 處理分類變量 分類數據擁有分類與排序的特征：包含了分類值展示以及值之間是否是有序的。我們可以通過 s.cat.categories 與 s.cat.ordered 進行操作。如果你沒有人為的設定類別與排序信息，它們會被自動推斷 **展示所有的分類值**  **是否有序**  **categories 和 方法 unique()返回的值是不一樣的**  ***** 顯示series分類值  ***** 顯示series唯一值  *****  *****  ***** series中沒有分類變量d  *****  #### 1.6.4.1. 排序 ``` cat_type = CategoricalDtype(categories=['one','two','three'],ordered=True) s = pd.Series(['one','three','one','two']) #將series變為分類類型 s = s.astype(cat_type) ```  ***** 可以得到分類變量的順序的最大最小值