「Python Pandasを使ったカテゴリカルデータの操作をマスターするための7つの例」

「Python Pandasを活用したカテゴリカルデータの扱いをマスターするための7つの実例」

低い基数のカテゴリカルな特徴量を扱う場合には、カテゴリデータ型を使用してください

カテゴリカル変数は、通常固定されたリミテッドな値からなることがあります。以下はいくつかのカテゴリカル変数の例です：

• 英語のスキルレベル指標（A1、A2、B1、B2、C1、C2）
• 人の血液型（A、B、AB、O）
• 人種や性別などの人口統計情報
• 教育レベル

Pandasはカテゴリカル変数に専用のデータ型（categoryまたはCategoricalDtype）を提供しています。このようなデータはobjectまたはstringデータ型でも保存することができますが、categoryデータ型を使用することにはいくつかの利点があります。これらの利点について学んでいきましょうが、まずはカテゴリカルデータを取り扱う方法から始めましょう。

テキストデータを含むSeriesやDataFrameを作成する際には、データ型はデフォルトでobjectになります。categoryデータ型を使用するには、明示的に定義する必要があります。

import pandas as pd# Seriesを作成blood_type = pd.Series(["A", "B", "AB", "O"])print(blood_type)# 出力0     A1     B2    AB3     Odtype: object# カテゴリデータ型を指定してSeriesを作成blood_type = pd.Series(["A", "B", "AB", "O"], dtype="category")print(blood_type)# 出力0     A1     B2    AB3     Odtype: categoryCategories (4, object): ['A', 'AB', 'B', 'O']

値は同じですが、Seriesを表示する際にdtypeで示されるようにデータ型が異なります。

• 「AIコーディング：Google Bardは優れたPython開発者ですか？」
• DLノート：勾配降下法
• 次回のデータサイエンスの課題への5ステップ設計図

以下の7つのサンプルを見ながら、以下のトピックを学びましょう：

1. DataFramesでのカテゴリデータ型
2. カテゴリ
3. 値の追加と更新
4. カテゴリの追加と削除
5. カテゴリの順序
6. カテゴリの名前変更
7. カテゴリデータ型の利点

例1 – DataFramesでのカテゴリデータ型

上記と同じように、SeriesやDataFrameを作成する際にcategoryデータ型を宣言することができます。後でcategoryに変換することも可能です。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!