Come creare variabili categoriali in panda (con esempi)

È possibile utilizzare uno dei seguenti metodi per creare una variabile categoriale in panda:

Metodo 1: creare una variabile categoriale da zero

 df[' cat_variable '] = [' A ', ' B ', ' C ', ' D ']

Metodo 2: creare una variabile categoriale da una variabile numerica esistente

 df[' cat_variable '] = pd. cut (df[' numeric_variable '],
                            bins=[ 0,15,25 ,float(' Inf ') ] ,
                            labels=[' Bad ', ' OK ', ' Good '])

Gli esempi seguenti mostrano come utilizzare ciascun metodo nella pratica.

Esempio 1: creare una variabile categoriale da zero

Il codice seguente mostra come creare un DataFrame panda con una variabile categoriale chiamata team e una variabile numerica chiamata points :

 import pandas as pd

#create DataFrame with one categorical variable and one numeric variable
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [12, 15, 19, 22, 24, 25, 26, 30]})

#view DataFrame
print (df)

  team points
0 to 12
1 B 15
2 C 19
3 D 22
4 E 24
5 F 25
6 G 26
7:30 a.m.

#view data type of each column in DataFrame
print ( df.dtypes )

team object
int64 dots
dtype:object

Usando df.dtypes possiamo vedere il tipo di dati di ciascuna variabile nel DataFrame.

Possiamo vedere:

• La variabile team è un oggetto .
• La variabile points è un numero intero .

In Python un oggetto equivale a un carattere o a una variabile “categoriale”. Pertanto, la variabile squadra è una variabile categoriale.

Esempio 2: creare una variabile categoriale da una variabile numerica esistente

Il codice seguente mostra come creare una variabile categoriale chiamata status dalla variabile numerica esistente chiamata points nel DataFrame:

 import pandas as pd

#create DataFrame with one categorical variable and one numeric variable
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [12, 15, 19, 22, 24, 25, 26, 30]})

#create categorical variable 'status' based on existing numerical 'points' variable
df[' status '] = pd. cut (df[' points '],
                      bins=[ 0,15,25 ,float(' Inf ') ] ,
                      labels=[' Bad ', ' OK ', ' Good '])

#view updated DataFrame
print (df)

  team points status
0 To 12 Bad
1 B 15 Bad
2 C 19 OK
3 D 22 OK
4 E 24 OK
5 F 25 OK
6 G 26 Good
7:30 a.m. Good

Utilizzando la funzione cut() , abbiamo creato una nuova variabile categoriale chiamata status che assume i seguenti valori:

• ‘ Non valido ‘ se il valore nella colonna dei punti è inferiore o uguale a 15.
• Altrimenti, ‘ OK ‘ se il valore nella colonna punti è inferiore o uguale a 25.
• Altrimenti “ Buono ”.

Tieni presente che quando usi la funzione cut() , il numero di etichette deve essere inferiore di uno rispetto al numero di contenitori .

Nel nostro esempio, abbiamo utilizzato quattro valori per i riquadri per definire i bordi dei riquadri e tre valori per le etichette per specificare le etichette da utilizzare per la variabile categoriale.

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre attività comuni dei panda:

Come creare variabili fittizie in Pandas
Come convertire una variabile categoriale in numerica in Pandas
Come convertire valori booleani in valori interi in Panda