当前位置：首页 > news >正文

数据分析-Pandas分类数据的比较如何避坑

news 2025/7/31 4:50:34

数据分析-Pandas分类数据的比较如何避坑

数据分析和处理中，难免会遇到各种数据，那么数据呈现怎样的规律呢？不管金融数据，风控数据，营销数据等等，莫不如此。如何通过图示展示数据的规律？

数据表，时间序列数据在数据分析建模中很常见，例如天气预报，空气状态监测，股票交易等金融场景。数据分析过程中重新调整，重塑数据表是很重要的技巧，此处选择Titanic数据，以及巴黎、伦敦欧洲城市空气质量监测 $NO_2$ 数据作为样例。

数据分析

数据分析-Pandas如何转换产生新列

数据分析-Pandas如何统计数据概况

数据分析-Pandas如何轻松处理时间序列数据

数据分析-Pandas如何选择数据子集

数据分析-Pandas如何重塑数据表-CSDN博客

本文用到的样例数据：

Titanic数据

空气质量监测 $NO_2$ 数据

样例代码：

源代码参考 Pandas如何重塑数据表

源代码参考 python数据分析-数据表读写到pandas

导入关键模块

import pandas as pd
import numpy as np

实验数据分析处理，股票序列，时间序列，信号序列，有时候表格的数据并不完全是数值类型，也有可能是字符串，或者其他数据，需要做分类处理。pandas如何控制数据分类处理呢？需要配置哪些参数？

分类数据的比较

有三种情况，可以将分类数据与其他对象进行比较：

与列表类的比较相等，例如相同长度的类似列表的对象（如列表、序列、数组…)。
分类数据之间的比较，它们对应数值是否相同，比较操作包括==``!=``>``>=``<``<=。
分类数据的所有数值与标量的比较。

所有其他的比较，尤其是两个类别的“不相等”比较，具有不同的类别或具有任何类似列表的对象的分类将引发错误.TypeError

In [112]: cat = pd.Series([1, 2, 3]).astype(CategoricalDtype([3, 2, 1], ordered=True))
In [113]: cat_base = pd.Series([2, 2, 2]).astype(CategoricalDtype([3, 2, 1], ordered=True))
In [114]: cat_base2 = pd.Series([2, 2, 2]).astype(CategoricalDtype(ordered=True))In [115]: cat
Out[115]: 
0    1
1    2
2    3
dtype: category
Categories (3, int64): [3 < 2 < 1]In [116]: cat_base
Out[116]: 
0    2
1    2
2    2
dtype: category
Categories (3, int64): [3 < 2 < 1]In [117]: cat_base2
Out[117]: 
0    2
1    2
2    2
dtype: category
Categories (1, int64): [2]

具有相同类别和顺序特性的分类比较，或与标量进行比较：

In [118]: cat > cat_base
Out[118]: 
0     True
1    False
2    False
dtype: boolIn [119]: cat > 2
Out[119]: 
0     True
1    False
2    False
dtype: bool

与类似列表对象的相等比较，适用于任何具有相同长度的类似列表对象，和标量的比较：

In [120]: cat == cat_base
Out[120]: 
0    False
1     True
2    False
dtype: boolIn [121]: cat == np.array([1, 2, 3])
Out[121]: 
0    True
1    True
2    True
dtype: boolIn [122]: cat == 2
Out[122]: 
0    False
1     True
2    False
dtype: bool

当类别不相同时，比较就会报错：

In [123]: try:.....:     cat > cat_base2.....: except TypeError as e:.....:     print("TypeError:", str(e)).....: 
TypeError: Categoricals can only be compared if 'categories' are the same.

但是，如果要做不相等的比较，比如分类数据与类似列表的对象进行“不相等”比较，就需要显式转换为原始数据再做比较。：

In [124]: base = np.array([1, 2, 3])In [125]: try:.....:     cat > base.....: except TypeError as e:.....:     print("TypeError:", str(e)).....: 
TypeError: Cannot compare a Categorical for op __gt__ with type <class 'numpy.ndarray'>.
If you want to compare values, use 'np.asarray(cat) <op> other'.In [126]: np.asarray(cat) > base
Out[126]: array([False, False, False])

当比较具有相同类别的两个无序分类时，不考虑顺序：

In [127]: c1 = pd.Categorical(["a", "b"], categories=["a", "b"], ordered=False)
In [128]: c2 = pd.Categorical(["a", "b"], categories=["b", "a"], ordered=False)In [129]: c1 == c2
Out[129]: array([ True,  True])