Python 熊猫的价值标签？

我对熊猫相当陌生，来自统计学背景，我正在与一个概念问题作斗争： Pandas具有包含值的列。但有时值有一个特殊的含义——在SPSS或R等统计程序中称为“值标签”

想象一个列

rain

，有两个值

0

（意思是：没有雨）和

1

（意思是：下雨）。有没有办法将这些标签指定给该值

---

在熊猫身上也有这样做的方法吗？主要用于拼版和可视化目的。

您可以有一个单独的字典，将值映射到标签：

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

然后您可以通过执行以下操作来访问带标签的数据

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

---

不再需要使用

地图

。自版本0.15以来，Pandas允许其列使用分类数据类型。 存储的数据占用更少的空间，对它的操作更快，并且您可以使用标签

我举了一个例子：

---

您还可以重命名类别并添加缺少的类别

是否要将值存储为字符串或稍后指定一些特殊含义？i、 e.使用查找或添加一个新列，将这些值映射到人类友好的值？或者您只是想在绘图图例中显示此信息？@EdChum理想情况下，我不需要任何新列-例如，在SPSS中，标签经常用于在表格、绘图等中显示数据。但您可以使用数值作为条件。在我的工作中，我经常有每个列有30多个不同“标签”的变量-让相关字符串可见将是巨大的帮助（例如，避免“21的含义是什么？”-问题）您可以将其添加为Python的通用属性，而不是Pandas的专用属性，并在绘图时访问它。请参见相关内容：这可能不会被任何普通的Porcude使用，但感谢您的建议

map

对于这种简单的情况可能更好。这种情况的区别是什么？只是在更简单的语法方面更好：

df.rain\u column.map（d）

，而且可能更快的性能，这取决于100行数据帧的数据大小和类型，然后

apply

稍微快一些（apply 228 us vs map 287us），对于一个有10000行的，那么map是26倍快（map是512 us vs apply 13 ms）好的，这是很有意义的，因为apply比map更通用。如果你同意的话，我会接受cd98的答案，它更适合新版本的熊猫。谢谢你的更新。我会接受它，因为它更适合新读者

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]