<\/p>\n
U kunt een van de volgende methoden gebruiken om eencategorische variabele<\/a> in panda’s te maken:<\/span><\/p>\n Methode 1: Cre\u00eber een categorische variabele vanaf nul<\/strong><\/span><\/p>\n Methode 2: Cre\u00eber een categorische variabele op basis van een bestaande numerieke variabele<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken.<\/span><\/p>\n De volgende code laat zien hoe u een Panda DataFrame maakt met een categorische variabele met de naam team<\/strong> en een numerieke variabele met de naam punten<\/strong> :<\/span><\/p>\n Met df.dtypes<\/strong> kunnen we het gegevenstype van elke variabele<\/a> in het DataFrame zien.<\/span><\/p>\n Wij kunnen zien:<\/span><\/p>\n In Python is een object<\/strong> gelijk aan een teken of een \u2018categorische\u2019 variabele. De teamvariabele is dus een categorische variabele.<\/span><\/p>\n De volgende code laat zien hoe u een categorische variabele met de naam status<\/strong> kunt maken op basis van de bestaande numerieke variabele met de naam punten<\/strong> in het DataFrame:<\/span><\/p>\n Met behulp van de functie cut()<\/strong> hebben we een nieuwe categorische variabele gemaakt met de naam status<\/strong> , die de volgende waarden aanneemt:<\/span><\/p>\n Houd er rekening mee dat bij gebruik van de<\/span> functie cut()<\/strong> het aantal<\/span> labels<\/strong> \u00e9\u00e9n minder moet zijn dan het aantal<\/span> bakken<\/strong> .<\/span><\/span><\/p>\n In ons voorbeeld hebben we vier waarden voor vakken<\/strong> gebruikt om de randen van de vakken te defini\u00ebren en drie waarden voor labels<\/strong> om de labels op te geven die voor de categorische variabele moeten worden gebruikt.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende panda-taken kunt uitvoeren:<\/span><\/p>\n Hoe dummyvariabelen in Panda’s te maken<\/a> U kunt een van de volgende methoden gebruiken om eencategorische variabele in panda’s te maken: Methode 1: Cre\u00eber een categorische variabele vanaf nul df[‚ cat_variable ‚] = [‚ A ‚, ‚ B ‚, ‚ C ‚, ‚ D ‚] Methode 2: Cre\u00eber een categorische variabele op basis van een bestaande numerieke variabele df[‚ cat_variable ‚] […]<\/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":[],"class_list":["post-3608","post","type-post","status-publish","format-standard","hentry","category-gids"],"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 Voorbeeld 1: Cre\u00eber een categorische variabele vanaf nul<\/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
Voorbeeld 2: Maak een categorische variabele op basis van een bestaande numerieke variabele<\/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
Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe een categorische variabele naar numeriek te converteren in Pandas<\/a>
Hoe Booleaanse waarden naar gehele waarden in Panda’s te converteren<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"