<\/p>\n
\u00c8 possibile utilizzare uno dei seguenti metodi per creare una variabile categoriale<\/a> in panda:<\/span><\/p>\n Metodo 1: creare una variabile categoriale da zero<\/strong><\/span><\/p>\n Metodo 2: creare una variabile categoriale da una variabile numerica esistente<\/strong><\/span><\/p>\n Gli esempi seguenti mostrano come utilizzare ciascun metodo nella pratica.<\/span><\/p>\n Il codice seguente mostra come creare un DataFrame panda con una variabile categoriale chiamata team<\/strong> e una variabile numerica chiamata points<\/strong> :<\/span><\/p>\n Usando df.dtypes<\/strong> possiamo vedere il tipo di dati di ciascuna variabile<\/a> nel DataFrame.<\/span><\/p>\n Possiamo vedere:<\/span><\/p>\n In Python un oggetto<\/strong> equivale a un carattere o a una variabile \u201ccategoriale\u201d. Pertanto, la variabile squadra \u00e8 una variabile categoriale.<\/span><\/p>\n Il codice seguente mostra come creare una variabile categoriale chiamata status<\/strong> dalla variabile numerica esistente chiamata points<\/strong> nel DataFrame:<\/span><\/p>\n Utilizzando la funzione cut()<\/strong> , abbiamo creato una nuova variabile categoriale chiamata status<\/strong> che assume i seguenti valori:<\/span><\/p>\n Tieni presente che quando usi la<\/span> funzione cut()<\/strong> , il numero di<\/span> etichette<\/strong> deve essere inferiore di uno rispetto al numero di<\/span> contenitori<\/strong> .<\/span><\/span><\/p>\n Nel nostro esempio, abbiamo utilizzato quattro valori per i riquadri<\/strong> per definire i bordi dei riquadri e tre valori per le etichette<\/strong> per specificare le etichette da utilizzare per la variabile categoriale.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni dei panda:<\/span><\/p>\n Come creare variabili fittizie in Pandas<\/a> \u00c8 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 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df[' cat_variable<\/span> '] = [' A<\/span> ', ' B<\/span> ', ' C<\/span> ', ' D<\/span> ']\n<\/strong><\/pre>\n df[' cat_variable<\/span> '] = pd. cut<\/span> (df[' numeric_variable<\/span> '],\n bins=[ 0,15,25<\/span> ,float(' Inf<\/span> ') ]<\/span> ,<\/span>\n labels=[' Bad<\/span> ', ' OK<\/span> ', ' Good<\/span> '])<\/strong><\/pre>\n Esempio 1: creare una variabile categoriale da zero<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#create DataFrame with one categorical variable and one numeric variable\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [12, 15, 19, 22, 24, 25, 26, 30]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 to 12\n1 B 15\n2 C 19\n3 D 22\n4 E 24\n5 F 25\n6 G 26\n7:30 a.m.\n\n#view data type of each column in DataFrame\n<\/span>print<\/span> ( df.dtypes<\/span> )\n\nteam object\nint64 dots\ndtype:object<\/span><\/span><\/strong><\/pre>\n\n
Esempio 2: creare una variabile categoriale da una variabile numerica esistente<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#create DataFrame with one categorical variable and one numeric variable\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [12, 15, 19, 22, 24, 25, 26, 30]})\n\n#create categorical variable 'status' based on existing numerical 'points' variable\n<\/span>df[' status<\/span> '] = pd. cut<\/span> (df[' points<\/span> '],\n bins=[ 0,15,25<\/span> ,float(' Inf<\/span> ') ]<\/span> ,<\/span>\n labels=[' Bad<\/span> ', ' OK<\/span> ', ' Good<\/span> '])\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team points status\n0 To 12 Bad\n1 B 15 Bad\n2 C 19 OK\n3 D 22 OK\n4 E 24 OK\n5 F 25 OK\n6 G 26 Good\n7:30 a.m. Good<\/span><\/span><\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h2>\n
Come convertire una variabile categoriale in numerica in Pandas<\/a>
Come convertire valori booleani in valori interi in Panda<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"