一、簡介

　　categorical是pandas中對應分類變數的一種資料型別，與R中的因子型變數比較相似，例如性別、血型等等用於表徵類別的變數都可以用其來表示，本文就將針對categorical的相關內容及應用進行介紹。

二、建立與應用

2.1 基本特性和適用場景

　　在介紹具體方法之前，我們需要對pandas資料型別中的categorical型別有一個瞭解，categorical類似R中的因子型變數，可以進行排序操作，但不可以進行數值運算操作，其順序在其被定義的時候一同確定，而不是按照數字字母詞法排序的順序，其適用場景有如下幾個：

　　1、具有少數幾種可能取值並存在大量重複的字串欄位，利用categorical型別對其轉換後可有效節省記憶體

　　2、欄位的排序規則特殊，不遵循詞法順序時，可以利用categorical型別對其轉換後得到使用者所需的排序規則、

2.2 建立方式

　　pandas中建立categorical型資料主要有如下幾種方式：

　　1、對於Series資料結構，傳入引數dtype='category'即可：

#直接建立categorical型Series
series_cat = pd.Series(['B','D','C','A'], dtype='category')
#顯示Series資訊
series_cat

 　　可以看到，series_cat的型別為category，但是沒有宣告順序，這時若對Series排序，實際上還是按照詞法的順序：

series_cat.sort_values()

 　　2、對於DataFrame，在定義資料之後轉換型別：

#建立資料框
df_cat = pd.DataFrame({
    'V1':['A','C','B','D']
})
#轉換指定列的資料型別為category
df_cat['V1'] = df_cat['V1'].astype('category')
df_cat['V1']

 　　3、利用pd.Categorical()生成類別型資料後轉換為Series，或替換DataFrame中的內容：

categorical_ = pd.Categorical(['A','B','D','C'],
                              categories=['A','B','C','D'])
series_cat = pd.Series(categorical_)
series_cat

categorical_ = pd.Categorical(['A','B','D','C'],
                              categories=['A','B','C','D'])
df_cat = pd.DataFrame({
    'V1':categorical_
})
df_cat['V1']

 　　而pd.Categorical()獨立建立categorical資料時有兩個新的特性，一是其通過引數categories定義類別時，若原資料中出現了categories引數中沒有的資料，則會自動轉換為pd.nan：

categorical_ = pd.Categorical(['A','B','D','C'],
                              categories=['B','C','D'])
df_cat = pd.DataFrame({
    'V1':categorical_
})
df_cat['V1']

 　　另外pd.Categorical()還有一個bool型引數ordered，設定為True時則會按照categories中的順序定義從小到大的範圍：

categorical_ = pd.Categorical(['A','B','D','C'],
                              categories=['A','B','C','D'],
                             ordered=True)
df_cat = pd.DataFrame({
    'V1':categorical_
})
df_cat['V1']

 　　4、利用pandas.api.types中的CategoricalDtype()對已有資料進行轉換

　　通過CategoricalDtype()，我們可以結合astype()完成從其他型別資料向categorical資料的轉換過程，利用CategoricalDtype()的引數categories、ordered，彌補.astype('category')的短板（實際上.astype('category')等價於.astype(CategoricalDtype(categories=None, ordered=False))）:

from pandas.api.types import CategoricalDtype
#建立資料框
df_cat = pd.DataFrame({
    'V1':['A','C','B','D']
})
cat = CategoricalDtype(categories=['A','C','B'],
                      ordered=True)
df_cat['V1'] = df_cat['V1'].astype(cat)
df_cat['V1']

2.3 應用

　　categorical型資料主要應用於自定義排序，如下例，我們建立了一個包含字元型變數class和數值型變數value的資料框：

import numpy as np

df = pd.DataFrame({
    'class':np.random.choice(['A','B','C','D'],10),
    'value':np.random.uniform(0,10,10)
})
df.head()

 　　如果按照class列排序得到的結果是按照字母自然順序：

df.sort_values('class')

 　　而通過將class列修改為自己定義的排序方式則得到的結果如下：

from pandas.api.types import CategoricalDtype
cat = CategoricalDtype(categories=['B','D','A','C'],
                      ordered=True)
df['class'] = df['class'].astype(cat)
df.sort_values('class')

 　　若想要臨時修改排序規則，可以使用.cat.reorder_categories()方法：

df['class'].cat.reorder_categories(['D','B','C','A'],
                                  ordered=True,
                                  inplace=True)#iinplace引數設定為True使得變動覆蓋原資料
df.sort_values('class')

　　關於pandas中的categorical型資料還有很多的小技巧，因為不常用這裡就不再贅述，感興趣可以檢視pandas的官方文件，以上就是本文的全部內容，如有筆誤望指出！

&n