### Categorical 数据类型的概述 Categorical 是 Pandas 中一种专门用于表示分类变量的数据类型，类似于 R 语言中的因子（factor）。它适用于那些只有有限几个不同取值的列，并且这些取值会频繁重复的情况。通过将其转换为 Categorical 类型，不仅可以减少内存占用，还可以自定义排序规则。 #### 使用场景 以下是 Categorical 数据类型的主要应用场景： 1. **节省内存** 当某一列包含大量的重复值时，将其转换为 Categorical 类型能够显著降低内存消耗[^4]。这是因为内部实现了基于整数索引的高效存储方式。 2. **定制化排序** 对于某些字段，其自然顺序并不符合实际需求（比如按字母或数字排列），可以通过 Categorical 定义特定的排序逻辑[^5]。例如，“低”、“中”、“高”的优先级可以由用户指定而非默认字典序。 3. **提升计算效率** 在分组聚合操作中，如果目标列为 Categorical，则性能通常优于普通的对象类型字符串列。 --- ### 实现方法 要创建或者将现有数据转化为 Categorical 类型，主要依赖 `pd.Categorical()` 函数以及 `astype('category')` 方法。 #### 示例代码 以下是一个完整的例子展示如何使用 Categorical 数据类型及其优势： ```python import pandas as pd # 创建原始 DataFrame data = {'name': ['Alice', 'Bob', 'Charlie'], 'gender': ['Female', 'Male', 'Male']} df = pd.DataFrame(data) print("Original Data Types:") print(df.dtypes) # 查看当前数据类型 # 将 gender 列转为 Categorical 类型 categories = ['Male', 'Female'] # 自定义类别列表 ordered_categories = pd.CategoricalDtype(categories=categories, ordered=True) df['gender'] = df['gender'].astype(ordered_categories) print("\nAfter Conversion to Categorical Type:") print(df.dtypes) # 检查新的数据类型 # 测试排序功能 sorted_df = df.sort_values(by='gender') print("\nSorted by Gender Column (Custom Order):") print(sorted_df) ``` 上述脚本展示了两个重要特性：一是手动设置类别的次序；二是依据此设定执行非标准升序/降序排列。 --- ### 关键点解析 - **定义类别与顺序** 可以通过传递参数至 `CategoricalDtype` 来控制哪些值属于该类别集合，同时声明它们之间是否存在大小关系（即是否有序）[^1]。 - **与其他工具对比** 虽然 MATLAB 提供了类似的分类数组支持，但它的设计更倾向于工程领域应用，而 Python 的 Pandas 更加灵活多变，在大数据预处理阶段尤为突出[^3]。 - **注意事项** 如果尝试对未提前注册的新标签赋值给已有的 Categorical 型态单元格，将会引发错误提示除非允许新增项加入到全局范畴之中。 ---