pandas 分类数据与分组统计

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在处理具有固定类别的数据时，我们经常需要按照特定的顺序进行排序和筛选。pandas 的 Categorical 类型可以帮助我们定义自定义排序顺序，确保数据分析结果符合业务逻辑。本文将介绍如何使用 pd.Categorical 结合基本的数据操作，实现按自定义顺序的排序和筛选。

数据与需求

假设我们有一份简单的产品数据，包含产品名称、类别和价格。我们需要：

将产品类别转换为分类数据类型并指定自定义顺序
按自定义的类别顺序进行排序
筛选出价格高于特定值的产品
按价格降序排列结果

先创建示例数据：

import pandas as pd
from io import StringIO

data = """
product_name,category,price
iPhone,Electronics,999
T-Shirt,Clothing,29
Coffee,Food,5
Laptop,Electronics,1299
Jeans,Clothing,79
Banana,Food,1
Headphones,Electronics,199
"""

df = pd.read_csv(StringIO(data))
df
'''
  product_name     category  price
0       iPhone  Electronics    999
1      T-Shirt     Clothing     29
2       Coffee         Food      5
3       Laptop  Electronics   1299
4        Jeans     Clothing     79
5       Banana         Food      1
6   Headphones  Electronics    199
'''

期望的输出应该按自定义的类别顺序（Electronics → Clothing → Food）排列，每个类别内按价格降序排列，且只包含价格大于20的产品。

思路

解决这个需求需要以下几个步骤：

使用 pd.Categorical 定义产品类别的自定义顺序
按价格进行筛选
按类别（自定义顺序）和价格进行排序
使用链式方法将这些操作连贯地执行

参考代码

代码如下：

# 定义类别的自定义顺序
category_order = ['Electronics', 'Clothing', 'Food']

# 使用链式方法进行处理
(
    df
    # 将category列转换为分类数据类型
    .assign(
        category=lambda x: pd.Categorical(
            x['category'], 
            categories=category_order, 
            ordered=True
        )
    )
    # 筛选价格大于20的产品
    .query('price > 20')
    # 按类别（自定义顺序）和价格（降序）排序
    .sort_values(['category', 'price'], ascending=[True, False])
    # 重置索引
    .reset_index(drop=True)
)
'''
  product_name     category  price
0       Laptop  Electronics   1299
1       iPhone  Electronics    999
2   Headphones  Electronics    199
3        Jeans     Clothing     79
4      T-Shirt     Clothing     29
'''

代码分析：

使用 assign() 结合 pd.Categorical() 将类别列转换为分类数据，指定自定义顺序和排序属性
使用 query() 进行简单的条件筛选，只保留价格大于20的产品
使用 sort_values() 进行多重排序，先按类别（遵循自定义顺序），再按价格降序排列
使用 reset_index(drop=True) 重置索引，使结果更整洁

这种方法特别适合处理需要按照业务定义顺序展示的数据，比如产品分类、优先级排序等场景。pd.Categorical 确保了排序顺序的一致性，使分析结果更加符合业务需求。

（完）

pandas 分类数据与分组统计

数据与需求

思路

参考代码

相关内容