pandas 类别数据的读取

更新时间：2020-06-25 13:42:38 标签：pandas 类别数据 IO

看过来

《pandas 教程》持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: sin80c（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

您可以将包含类别 dtypes 的数据写入HDFStore，也可以将数据写入Stata格式文件或从中读取数据。

读取数据

写入CSV文件将转换数据，有效删除有关分类（分类和排序）的任何信息。因此，如果您读回 CSV 文件，则必须将相关列转换回类别，并分配正确的类别和类别顺序。

import io

s = pd.Series(pd.Categorical(['a', 'b', 'b', 'a', 'a', 'd']))
# rename the categories
s.cat.categories = ["very good", "good", "bad"]
# reorder the categories and add missing categories
s = s.cat.set_categories(["very bad", "bad", "medium", "good", "very good"])
df = pd.DataFrame({"cats": s, "vals": [1, 2, 3, 4, 5, 6]})
csv = io.StringIO()
df.to_csv(csv)
df2 = pd.read_csv(io.StringIO(csv.getvalue()))
df2.dtypes
'''
Unnamed: 0     int64
cats          object
vals           int64
dtype: object
'''

df2["cats"]
'''
0    very good
1         good
2         good
3    very good
4    very good
5          bad
Name: cats, dtype: object
'''

# Redo the category
df2["cats"] = df2["cats"].astype("category")
df2["cats"].cat.set_categories(["very bad", "bad",
                                "medium", "good", "very good"],
                               inplace=True)
df2.dtypes
'''
Unnamed: 0       int64
cats          category
vals             int64
dtype: object
'''

df2["cats"]
'''
0    very good
1         good
2         good
3    very good
4    very good
5          bad
Name: cats, dtype: category
Categories (5, object): [very bad, bad, medium, good, very good]
'''

使用 to_sql 写入SQL数据库也是如此。

缺失数据

Pandas 主要使用值np.nan表示丢失的数据。默认情况下，它不包括在计算中。
缺失值只能在值中，不能在类别中。可以理解的是，NaN 是不同的，并且总是可能的，使用分类代码时，缺失值将始终为-1。

s = pd.Series(["a", "b", np.nan, "a"], dtype="category")

# only two categories
s
'''
0      a
1      b
2    NaN
3      a
dtype: category
Categories (2, object): [a, b]
'''
s.cat.codes
'''
0    0
1    1
2   -1
3    0
dtype: int8
'''

处理缺失数据的方法，例如 isna(), fillna(), dropna() 都可以正常工作：

s = pd.Series(["a", "b", np.nan], dtype="category")
s
'''
0      a
1      b
2    NaN
dtype: category
Categories (2, object): [a, b]
'''

pd.isna(s)
'''
0    False
1    False
2     True
dtype: bool
'''

s.fillna("a")
'''
0    a
1    b
2    a
dtype: category
Categories (2, object): [a, b]
'''

<< 分类数据的操作 pandas 教程 pandas 窗口计算 >>