pandas 分类数据的顺序

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

我们可以对分类数据指定顺序，利用这些顺序进行相关的对比、排名等业务需求解决。如果分类数据是有序的（s.cat.ordered == True），则类别的顺序具有含义，并且可以进行某些操作。如果类别是无序的，则.min()/.max() 将引发TypeError。

顺序

s = pd.Series(pd.Categorical(["a", "b", "c", "a"], ordered=False))
s.sort_values(inplace=True) # 排序
# 指定顺序
s = pd.Series(["a", "b", "c", "a"]).astype(CategoricalDtype(ordered=True))
s.sort_values(inplace=True)
s
'''
0    a
3    a
1    b
2    c
dtype: category
Categories (3, object): [a < b < c]
'''
s.min(), s.max()
# ('a', 'c')

cat.as_ordered

可以使用 as_ordered() 将类别数据设置为排序，或者使用 as_unordered() 将类别数据设置为无序。这些默认情况下将返回一个新对象。

s.cat.as_ordered()
'''
0    a
3    a
1    b
2    c
dtype: category
Categories (3, object): [a < b < c]
'''
s.cat.as_unordered()
'''
0    a
3    a
1    b
2    c
dtype: category
Categories (3, object): [a, b, c]
'''

重新排序

可以通过 Categorical.reorder_categories() 和 Categorical.set_categories() 方法对类别进行重新排序。对于 Categorical.reorder_categories()，所有旧类别都必须包含在新类别中，并且不允许新类别，这将必然使排序顺序与类别顺序相同。

s = pd.Series([1, 2, 3, 1], dtype="category")
s = s.cat.reorder_categories([2, 3, 1], ordered=True)
s
'''
0    1
1    2
2    3
3    1
dtype: category
Categories (3, int64): [2 < 3 < 1]
'''

s.sort_values(inplace=True)
s
'''
1    2
2    3
0    1
3    1
dtype: category
Categories (3, int64): [2 < 3 < 1]
'''

s.min(), s.max()
# (2, 1)

请注意分配新类别和重新排序类别之间的区别：第一个重命名类别，因此重命名了Series 中的各个值，但是如果第一个位置最后排序，则重命名的值仍将最后排序。重新排序意味着之后对值进行排序的方式有所不同，但是不会更改系列中的各个值。

如果未分类，则 Series.min() 和 Series.max() 将引发 TypeError。像+，-，*，/之类的数字运算以及基于它们的运算（例如 Series.median()，如果数组的长度为偶数，则需要计算两个值之间的平均值）不起作用，并引发TypeError。

多列排序

分类列将以与其他列类似的方式参与多列排序，类别的顺序由该列的类别确定。

dfs = pd.DataFrame({'A': pd.Categorical(list('bbeebbaa'),
                                        categories=['e', 'a', 'b'],
                                        ordered=True),
                    'B': [1, 2, 1, 2, 2, 1, 2, 1]})
dfs.sort_values(by=['A', 'B'])
'''
   A  B
2  e  1
3  e  2
7  a  1
6  a  2
0  b  1
5  b  1
1  b  2
4  b  2
'''

重新排序类别将更改将来的排序：

dfs['A'] = dfs['A'].cat.reorder_categories(['a', 'b', 'e'])
dfs.sort_values(by=['A', 'B'])
'''
   A  B
7  a  1
6  a  2
0  b  1
5  b  1
1  b  2
4  b  2
2  e  1
3  e  2
'''

<< 分类数据的使用 pandas 教程分类数据的操作 >>

更新时间：2020-06-25 12:22:11 标签：pandas 分类数据顺序