在处理低基数分类特征时使用类别数据类型
分类变量可以取有限数量的值，通常是固定的。以下是一些分类变量的示例：
- 英语水平指标（A1、A2、B1、B2、C1、C2）
- 个人血型（A、B、AB、O）
- 民族和性别等人口统计信息
- 教育水平
Pandas提供了专用的分类变量数据类型（category或CategoricalDtype）。虽然这些数据也可以使用object或string数据类型存储，但使用category数据类型有几个优点。我们将了解这些优点，但首先从如何处理分类数据开始。
当我们创建带有文本数据的Series或DataFrame时，默认情况下，其数据类型变为object。要使用category数据类型，我们需要显式定义它。
import pandas as pd# 创建Seriesblood_type = pd.Series(["A", "B", "AB", "O"])print(blood_type)# 输出0 A1 B2 AB3 0dtype: object# 创建具有category数据类型的Seriesblood_type = pd.Series(["A", "B", "AB", "O"], dtype="category")print(blood_type)# 输出0 A1 B2 AB3 0dtype: categoryCategories (4, object): ['0', 'A', 'AB', 'B']尽管值是相同的，但数据类型不同，如打印Series时显示的dtype。
我们将通过7组示例学习以下主题：
- DataFrames中的类别数据类型
- 类别
- 添加和更新值
- 添加和删除类别
- 类别间的顺序
- 重命名类别
- 使用类别数据类型的优点
示例1 – DataFrames中的类别数据类型
我们可以在创建Series或DataFrame时声明category数据类型，就像我们上面所做的那样。我们也可以使用以下方法将它们转换为category类型…