[TOC] ***** 分类数据对应的是统计学中的分类变量：拥有一些有限的值。比如说性别，类型等等。 分类的数据可以有序列性属性，但是不支持数值类型的操作。 常用的场景如下： 1. 将一个只拥不是很多值的字符串变量转换成分类变量可以节省内存 2. 分类变量可以让数据有逻辑排序而不是词汇（词典）的排序，比如 One/two/three。词汇排序，按首字母排序 3. 和其它Python库交互时，它会被当做分类变量处理 ### 1.6.1. 创建分类特征 **Series的创建** ``` import pandas as pd # 设定dtype为category s = pd.Series(["a", "b", "c", "a"], dtype="category") ``` 分类数据显示共有多少种值，重复的不显示  ***** ``` # 转换已有的数据类型 将A列字符串类型转换为分类数据类型 df = pd.DataFrame({"A": ["a", "b", "c", "a"]}) #将结果保存在dataframe的B列中 df["B"] = df["A"].astype('category') ```  ***** ``` # 通过pandas.Categorical 对象进行创建 指定b c d是分类数据，同时它们有序，顺序是categories列表顺序, b<c<d raw_cat = pd.Categorical(["a", "b", "c", "a"], categories=["b", "c", "d"],ordered=True) #变为series s = pd.Series(raw_cat) ``` 创建结果，d在raw_cat中没有出现，但d也被定义为分类数据，共有三个分类数据  ***** 将分类数据变为dataFrame的一个列  ***** **DataFrame的创建** 和之前series创建类似，不过dataframe中可以批量的将列转换格式 ``` #将df_cat的两列都转换为category类型 ```  *****  ``` #collage列转换为category类型 df['collage'] = df['collage'].astype("category") ```  ### 1.6.2. 控制分类值行为:CategoricalDtype "category"默认了分类值的行为： * 类别从数据中继续进行推断 * 没有排序的性质 ``` 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) ```  一个分类的类别描述如下： * categories：一个唯一值的序列并且没有缺失值 * ordered: 是否排序，布尔类型 ``` CategoricalDtype(categories=['b','c','d'],ordered=True) ``` ### 1.6.3. 分类值的描述 ``` df['collage'].describe() ```  ### 1.6.4. 处理分类变量 分类数据拥有分类与排序的特征：包含了分类值展示以及值之间是否是有序的。我们可以通过 s.cat.categories 与 s.cat.ordered 进行操作。如果你没有人为的设定类别与排序信息，它们会被自动推断 **展示所有的分类值**  **是否有序**  **categories 和 方法 unique()返回的值是不一样的**  ***** 显示series分类值  ***** 显示series唯一值  *****  *****  ***** series中没有分类变量d  *****  #### 1.6.4.1. 排序 ``` cat_type = CategoricalDtype(categories=['one','two','three'],ordered=True) s = pd.Series(['one','three','one','two']) #将series变为分类类型 s = s.astype(cat_type) ```  ***** 可以得到分类变量的顺序的最大最小值