بيانات التصنيف في Pandas

مثال على عمليات البيانات التصنيفية في Pandas

عادةً ما تحتوي البيانات على نصوص مكررة في الوقت الحقيقي في العمود النصي. الأنواع مثل الجنس، والمدينة/المنطقة والكود وما إلى ذلك تكون دائمًا مكررة. هذه هي أمثلة للبيانات التصنيفية.
يمكن للمتغيرات التصنيفية أن تأخذ فقط قيم محددة ومعدة عادة. بالإضافة إلى الطول الثابت، يمكن أن يكون البيانات التصنيفية لها ترتيب، لكنها لا يمكن تنفيذ العمليات الرياضية. التصنيف هو نوع بيانات Pandas.

يكون نوع البيانات التصنيفي مفيدًا في الحالات التالية

متغير نصي يحتوي على قيم مختلفة قليلة. تحويل هذا النوع من المتغيرات النصية إلى متغيرات تصنيفية يمكن أن يوفر بعض الذاكرة.

إنشاء كائن

يمكن إنشاء كائن تصنيف بطرق متعددة. يُوضح أدناه طرق مختلفة:

فئة

بإعداد dtype كـ "category" عند إنشاء كائن Pandas.

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　print(s)

النتائج التالية:

　0　a
　1　b
　2　c
　3　a
　dtype:　category
　Categories　(3،　object):　[a،　b،　c]

عدد العناصر المقدمة للسلسلة هي 4، ولكن الفئة هي 3. استطعنا ملاحظة نفس الشئ في مخرجات الفئة.

pd.Categorical

باستخدام بناء التصنيف القياسي في Pandas، يمكننا إنشاء كائن تصنيف.

pandas.Categorical(values،　categories،　ordered)

نرى مثالاً هنا-

　import　pandas　as　pd
　cat　=　pd.Categorical(['a',　'b',　'c',　'a',　'b',　'c'])
　print(cat)

النتائج التالية:

　[a،　b،　c،　a،　b،　c]
　Categories　(3،　object):　[a،　b،　c]

دعونا نرى مثالاً آخر

　import　pandas　as　pd
　cat　=　cat=pd.Categorical(['a','b','c','a','b','c','d'],　['c',　'b',　'a'])
　print(cat)

النتائج التالية:

　[a،　b،　c،　a،　b،　c،　NaN]
　فئات　(3،　نوعية):　[c،　b،　a]

في هذا السياق، الثانية هي دالة على الفئة. لذلك، أي قيمة غير موجودة في الفئة سيتم اعتبارها NaN.
الآن، دعونا نرى مثالاً أدناه:

　import　pandas　as　pd
　cat　=　cat=pd.Categorical(['a','b','c','a','b','c','d'],　['c',　'b',　'a'],ordered=True)
　print(cat)

النتائج التالية:

　[a،　b،　c،　a،　b،　c،　NaN]
　فئات　(3،　نوعية):　[c　<　b　<　a]

من الناحية المنطقية، هذا الترتيب يعني أن a أكبر من b وأن b أكبر من c.

وصف

استخدام الأمر .describe() لبيانات التصنيف، نحصل على مخرجات مشابهة إلى سلسلة أو مصفوفة بيانات النوعية.

　import　pandas　as　pd
　import numpy as np
　cat = pd.Categorical(["a",　"c",　"c",　np.nan], categories=["b",　"a",　"c"])
　df　=　pd.DataFrame({"cat":cat,　"s":["a",　"c",　"c",　np.nan]})
　print(df.describe())
　print(df["cat"].describe())

النتائج التالية:

　　　　cat　s
count　　　　3　3
unique　　　2　2
top　　　　　　c　c
freq　　　　　2　2
count　　　　　3
unique　　　　2
top　　　　　　　c
freq　　　　　　2
الاسم: cat, dtype: object

الحصول على خصائص الفئة

استخدام الأمر obj.cat.categories للحصول على فئات العنصر.

　import　pandas　as　pd
　import numpy as np
　s = pd.Categorical(["a",　"c",　"c",　np.nan], categories=["b",　"a",　"c"])
　print(s.categories)

النتائج التالية:

　　Index([u'b',　u'a',　u'c'], dtype='object')

استخدام الأمر obj.ordered للحصول على ترتيب العنصر.

　import　pandas　as　pd
　import numpy as np
　cat = pd.Categorical(["a",　"c",　"c",　np.nan], categories=["b",　"a",　"c"])
　print(cat.ordered)

النتائج التالية:

　　　False

يعود هذا الدالة إلى false لأننا لم نحدد أي ترتيب.

تغيير الفئة

تم تغيير اسم الفئة من خلال تخصيص قيمة جديدة لخصائص series.cat.categories.

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　s.cat.categories = ["Group　%s"　%　g　for　g　in　s.cat.categories]
　print(s.cat.categories)

النتائج التالية:

Index([u'Group　a',　u'Group　b',　u'Group　c'], dtype='object')

تم تحديث الفئات الاصلية [a،b،c] من خاصية s.cat.categories.

إضافة فئة جديدة

يمكن استخدام طريقة Categorical.add.categories() لإضافة فئات جديدة.

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　s = s.cat.add_categories([4])
　print(s.cat.categories)

النتائج التالية:

Index([u'a',　u'b',　u'c',　4], dtype='object')

إزالة الفئة

يمكن استخدام طريقة Categorical.remove_categories() لإزالة الفئات غير المرغوب فيها.

　import　pandas　as　pd
　s = pd.Series(["a","b","c","a"], dtype="category")
　print(("الجسم الأصلي:"))
　print(s)
　print(("بعد الإزالة:"))
　print(s.cat.remove_categories("a"))

النتائج التالية:

　الجسم الأصلي:
　0　a
　1　b
　2　c
　3　a
　dtype:　category
　Categories　(3،　object):　[a،　b،　c]
　After　removal:
　0　NaN
　1　b
　2　c
　3　NaN
　dtype:　category
　Categories　(2،　object):　[b،　c]

مقارنة بيانات التصنيف

يمكن مقارنة بيانات التصنيف مع الأشياء الأخرى في ثلاثة حالات:

قارن المتساوي (==و！=) مع العناصر التي لها نفس طول التصنيفات مثل بيانات التصنيف (قائمة، سلسلة، مصفوفة،...)

　import　pandas　as　pd
　cat　=　pd.Series([1,2,3]).astype("category",　categories=[1,2,3],　ordered=True)
　cat1　=　pd.Series([2,2,2]).astype("category",　categories=[1,2,3],　ordered=True)
　print(cat>cat1)

　0　　False
　1　　False
　2　　True
　dtype:　bool