pandas中的值标签？

Question

我对pandas还比较陌生，之前是学统计的，现在遇到一个概念上的问题：pandas有列，这些列里包含了一些值。但有时候，这些值有特别的含义——在像SPSS或R这样的统计程序中，这种情况被称为“值标签”。

想象一下，有一列叫做rain，里面有两个值0（表示：没有雨）和1（表示：正在下雨）。有没有办法把这些标签分配给这些值呢？

在pandas中也能做到这一点吗？主要是为了绘图和可视化的目的。

Answer 1

如果你的数据表里没有固定的分类，使用Map会很方便。

rainCategories = {1: "raining", 0: "no rain"}
dfRain = pd.DataFrame({"RainFall":[0,1,1,1,0],"day":["M","T","W","R","F"]})
dfRain["rainFall"].map(rainCategories).value_counts()

输出结果：

RainFall
raining    3
no rain    2
Name: count, dtype: int64

Answer 2

你可以创建一个单独的字典，把值和标签对应起来：

d={0:"no rain",1:"raining"}

然后你可以通过下面的方式来访问这些带标签的数据：

df.rain_column.apply(lambda x:d[x])

Answer 3

现在不需要再使用 map 了。从 0.15 版本开始，Pandas 允许在列中使用分类数据类型。这样存储的数据占用更少的空间，处理速度更快，而且你可以使用标签。

我这里举个例子，来自于 pandas 文档：

df = pd.DataFrame({"id":[1,2,3,4,5,6], "raw_grade":['a', 'b', 'b', 'a', 'a', 'e']})
#Recast grade as a categorical variable
df["grade"] = df["raw_grade"].astype("category")

df["grade"]

#Gives this:
Out[124]: 
0    a
1    b
2    b
3    a
4    a
5    e
Name: grade, dtype: category
Categories (3, object): [a, b, e]

你还可以重命名分类，或者添加缺失的分类。