Comment créer des variables catégorielles dans Pandas (avec exemples)

Vous pouvez utiliser l’une des méthodes suivantes pour créer une variable catégorielle dans pandas :

Méthode 1 : créer une variable catégorielle à partir de zéro

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

Méthode 2 : créer une variable catégorielle à partir d’une variable numérique existante

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

Les exemples suivants montrent comment utiliser chaque méthode dans la pratique.

Exemple 1 : Créer une variable catégorielle à partir de zéro

Le code suivant montre comment créer un DataFrame pandas avec une variable catégorielle appelée team et une variable numérique appelée 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    A      12
1    B      15
2    C      19
3    D      22
4    E      24
5    F      25
6    G      26
7    H      30

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

team      object
points     int64
dtype: object

En utilisant df.dtypes , nous pouvons voir le type de données de chaque variable dans le DataFrame.

Nous pouvons voir:

• La variable team est un objet .
• La variable points est un entier .

En Python, un objet équivaut à un caractère ou à une variable « catégorielle ». Ainsi, la variable d’équipe est une variable catégorielle.

Exemple 2 : Créer une variable catégorielle à partir d’une variable numérique existante

Le code suivant montre comment créer une variable catégorielle appelée status à partir de la variable numérique existante appelée points dans le 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    A      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    H      30   Good

À l’aide de la fonction cut() , nous avons créé une nouvelle variable catégorielle appelée status qui prend les valeurs suivantes :

• ‘ Mauvais ‘ si la valeur dans la colonne des points est inférieure ou égale à 15.
• Sinon, ‘ OK ‘ si la valeur dans la colonne des points est inférieure ou égale à 25.
• Sinon, « Bien ».

Notez que lors de l’utilisation de la fonction cut() , le nombre d’ étiquettes doit être inférieur d’une unité au nombre de bacs .

Dans notre exemple, nous avons utilisé quatre valeurs pour les cases pour définir les bords des cases et trois valeurs pour les étiquettes pour spécifier les étiquettes à utiliser pour la variable catégorielle.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes chez les pandas :

Comment créer des variables factices dans Pandas
Comment convertir une variable catégorielle en numérique dans Pandas
Comment convertir des valeurs booléennes en valeurs entières dans Pandas