网站建设 重庆,网站模版是什么意思,淘宝客做自己的网站,怎么给网站添加黑名单目录
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、…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, categoriesNone, orderedNone, dtypeNone, fastpath_NoDefault.no_default, copyTrue)
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 orderedTrue 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], orderedTrue)
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, categoriesNone, orderedNone, dtypeNone, validateTrue)
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], orderedTrue)
# 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], dtypeobject)
# 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], dtypeobject)
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orderedTrue则表示分类具有一定的顺序例如“低”、“中”、“高”。如果orderedFalse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], orderedFalse)
print(cat_unordered)
# 创建一个有序的分类数据
cat_ordered pd.Categorical([low, medium, high], orderedTrue)
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
