Pandas中创建Category类型数据的几种方法详解

Chloe

发布时间：2026-10-15| 3人浏览过

原创

本文详细介绍在Pandas中创建Category类型数据的两种主要方法。首先讲解如何直接指定预设类别创建分类数据，其次演示如何利用分箱机制（结合max、mean、min）动态生成Category类型。通过具体代码示例，展示如何处理空值、NaN及多字段数据分类，帮助开发者高效进行数据预处理与分类管理。

Pandas中创建Category类型数据的几种方法详解

在Pandas中创建Category类型数据的几种方法之详细攻略

直接创建Category类型数据

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）。

利用分箱机制动态添加Category类型数据

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]

相关代码实现

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)

到此这篇关于详细介绍在pandas中创建category类型数据的几种方法的文章就介绍到这了,更多相关pandas创建category内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！