c# pdf to tiff free : Adding a signature to a pdf Library software component .net winforms azure mvc pandas74-part310

pandas: powerful Python data analysis toolkit, Release 0.18.1
22.3 Working with categories
Categorical data has a categories and a ordered property, which list their possible values and whether the ordering
matters ornot. These propertiesareexposedas s.cat.categories and s.cat.ordered. Ifyoudon’t manually
specify categories and ordering, they are inferred from the passed in values.
In [33]: pd.Series(["a","b","c","a"], dtype="category")
In [34]: s.cat.categories
Out[34]: Index([u'a'u'b'u'c'], dtype='object')
In [35]: s.cat.ordered
Out[35]: False
It’s also possible to pass in the categories in a specific order:
In [36]: pd.Series(pd.Categorical(["a","b","c","a"], categories=["c","b","a"]))
In [37]: s.cat.categories
Out[37]: Index([u'c'u'b'u'a'], dtype='object')
In [38]: s.cat.ordered
Out[38]: False
Note: New categorical data are NOT automatically ordered. You must explicitly pass ordered=True to indicate
an ordered Categorical.
Note: The result of Series.unique() is not always the same as Series.cat.categories, because
Series.unique() has a couple of guarantees, namely that it returns categories in the order of appearance, and it
only includes values that are actually present.
In [39]: pd.Series(list('babc')).astype('category', categories=list('abcd'))
In [40]: s
Out[40]:
0
b
1
a
2
b
3
c
dtype: category
Categories (4, object): [a, b, c, d]
# categories
In [41]: s.cat.categories
Out[41]: Index([u'a'u'b'u'c'u'd'], dtype='object')
# uniques
In [42]: s.unique()
Out[42]:
[b, a, c]
Categories (3, object): [b, a, c]
22.3. Working with categories
731
Adding a signature to a pdf - C# PDF File Permission Library: add, remove, update PDF file permission in C#.net, ASP.NET, MVC, WPF
Tell C# users how to set PDF file permissions, like printing, copying, modifying, extracting, annotating, form filling, etc
add signature block to pdf; adding signature to pdf form
Adding a signature to a pdf - VB.NET PDF File Permission Library: add, remove, update PDF file permission in vb.net, ASP.NET, MVC, WPF
VB.NET Tutorial for How to Set PDF File Access Permissions Using XDoc.PDF for .NET
click to sign pdf; pdf create signature
pandas: powerful Python data analysis toolkit, Release 0.18.1
22.3.1 Renaming categories
Renaming categories is done by assigning new values to the Series.cat.categories property or by using the
Categorical.rename_categories() method:
In [43]: pd.Series(["a","b","c","a"], dtype="category")
In [44]: s
Out[44]:
0
a
1
b
2
c
3
a
dtype: category
Categories (3, object): [a, b, c]
In [45]: s.cat.categories ["Group %sfor in s.cat.categories]
In [46]: s
Out[46]:
0
Group a
1
Group b
2
Group c
3
Group a
dtype: category
Categories (3, object): [Group a, Group b, Group c]
In [47]: s.cat.rename_categories([1,2,3])
Out[47]:
0
1
1
2
2
3
3
1
dtype: category
Categories (3, int64): [1, 2, 3]
Note: In contrast to R’s factor, categorical data can have categories of other types than string.
Note:
Be aware that assigning new categories is an inplace operations, while most other operation under
Series.cat perdefault return a new Series of dtype category.
Categories must be unique or a ValueError is raised:
In [48]: try:
....:
s.cat.categories = [1,1,1]
....: except ValueError as e:
....:
print("ValueError: " + str(e))
....:
ValueError: Categorical categories must be unique
22.3.2 Appending new categories
Appending categories can be done by using the Categorical.add_categories() method:
732
Chapter 22. Categorical Data
C# PDF Digital Signature Library: add, remove, update PDF digital
Help to Improve the Security of Your PDF File by Adding Digital Signatures. Overview. XDoc.PDF also allows PDF security setting via digital signature.
add signature to pdf online; adding a signature to a pdf in preview
C# Create PDF Library SDK to convert PDF from other file formats
PDF file. What's more, you can also protect created PDF file by adding digital signature (watermark) on PDF using C# code. Create
add jpg signature to pdf; add signature box to pdf
pandas: powerful Python data analysis toolkit, Release 0.18.1
In [49]: s.cat.add_categories([4])
In [50]: s.cat.categories
Out[50]: Index([u'Group a'u'Group b'u'Group c'4], dtype='object')
In [51]: s
Out[51]:
0
Group a
1
Group b
2
Group c
3
Group a
dtype: category
Categories (4, object): [Group a, Group b, Group c, 4]
22.3.3 Removing categories
Removing categories can be done by using the Categorical.remove_categories() method. Values which
are removed are replaced by np.nan.:
In [52]: s.cat.remove_categories([4])
In [53]: s
Out[53]:
0
Group a
1
Group b
2
Group c
3
Group a
dtype: category
Categories (3, object): [Group a, Group b, Group c]
22.3.4 Removing unused categories
Removingunused categories can also be done:
In [54]: pd.Series(pd.Categorical(["a","b","a"], categories=["a","b","c","d"]))
In [55]: s
Out[55]:
0
a
1
b
2
a
dtype: category
Categories (4, object): [a, b, c, d]
In [56]: s.cat.remove_unused_categories()
Out[56]:
0
a
1
b
2
a
dtype: category
Categories (2, object): [a, b]
22.3. Working with categories
733
C# HTML5 Viewer: Load, View, Convert, Annotate and Edit PowerPoint
for C# .NET, users can convert PowerPoint to PDF (.pdf) online, convert Users can perform text signature adding, freehand signature creation and date signature
create pdf with signature field; add signature pdf preview
C# HTML5 Viewer: Load, View, Convert, Annotate and Edit PDF
Viewer for C# .NET provides permanent annotations adding feature, all enables you to create signatures to PDF, including freehand signature, text and
create signature field in pdf; add signature to pdf file
pandas: powerful Python data analysis toolkit, Release 0.18.1
22.3.5 Setting categories
If you want to do remove and add new categories in one step (which has some speed advantage), or simply set the
categories to a predefined scale,use Categorical.set_categories().
In [57]: pd.Series(["one","two","four""-"], dtype="category")
In [58]: s
Out[58]:
0
one
1
two
2
four
3
-
dtype: category
Categories (4, object): [-, four, one, two]
In [59]: s.cat.set_categories(["one","two","three","four"])
In [60]: s
Out[60]:
0
one
1
two
2
four
3
NaN
dtype: category
Categories (4, object): [one, two, three, four]
Note: Be aware that Categorical.set_categories() cannot know whether some category is omitted in-
tentionally or because it is misspelled or (under Python3) due to a type difference (e.g., numpys S1 dtype and python
strings). This can result insurprising behaviour!
22.4 Sorting and Order
Warning: The default for construction has changed in v0.16.0 to ordered=False, from the prior implicit
ordered=True
If categorical data is ordered (s.cat.ordered == True), then the order of the categories has a meaning and
certainoperations are possible. If the categorical is unordered,.min()/.max() will raise a TypeError.
In [61]: pd.Series(pd.Categorical(["a","b","c","a"], ordered=False))
In [62]: s.sort_values(inplace=True)
In [63]: pd.Series(["a","b","c","a"]).astype('category', ordered=True)
In [64]: s.sort_values(inplace=True)
In [65]: s
Out[65]:
0
a
3
a
1
b
2
c
dtype: category
734
Chapter 22. Categorical Data
C# PDF insert image Library: insert images into PDF in C#.net, ASP
scanned signature or logo into PDF document page in C#.NET class application? To help you solve this technical problem, we provide this C#.NET PDF image adding
create pdf signature box; pdf signature field
VB.NET PDF Digital Signature Library: add, remove, update PDF
the Security of Your PDF File by Adding Digital Signatures in VB to be respected, XDoc.PDF also allows PDF such security setting via digital signature.
adding a signature to a pdf document; click to sign pdf
pandas: powerful Python data analysis toolkit, Release 0.18.1
Categories (3, object): [a < b < c]
In [66]: s.min(), s.max()
Out[66]: ('a''c')
You can set categorical data to be ordered by using as_ordered() or unordered by using as_unordered().
These will by default return a new object.
In [67]: s.cat.as_ordered()
Out[67]:
0
a
3
a
1
b
2
c
dtype: category
Categories (3, object): [a < b < c]
In [68]: s.cat.as_unordered()
Out[68]:
0
a
3
a
1
b
2
c
dtype: category
Categories (3, object): [a, b, c]
Sorting will use the order defined by categories, not any lexical order present on the data type. This is even true for
strings and numeric data:
In [69]: pd.Series([1,2,3,1], dtype="category")
In [70]: s.cat.set_categories([2,3,1], ordered=True)
In [71]: s
Out[71]:
0
1
1
2
2
3
3
1
dtype: category
Categories (3, int64): [2 < 3 < 1]
In [72]: s.sort_values(inplace=True)
In [73]: s
Out[73]:
1
2
2
3
0
1
3
1
dtype: category
Categories (3, int64): [2 < 3 < 1]
In [74]: s.min(), s.max()
Out[74]: (21)
22.4. Sorting and Order
735
VB.NET PDF Library SDK to view, edit, convert, process PDF file
Capable of adding PDF file navigation features to your VB.NET program. How To Tutorials. Password, digital signature and PDF text, image and page redaction
sign pdf online; adding signature to pdf doc
.NET PDF SDK - Description of All PDF Processing Control Feastures
Add signature image to PDF file. PDF Hyperlink Edit. Support adding and inserting hyperlink (link) to PDF document; Allow to create, edit, and remove PDF bookmark
add signature field to pdf; pdf add signature field
pandas: powerful Python data analysis toolkit, Release 0.18.1
22.4.1 Reordering
Reordering the categories is possible via the Categorical.reorder_categories() and the
Categorical.set_categories() methods. For Categorical.reorder_categories(), all old
categories must be included in the new categories and no new categories are allowed. This will necessarily make the
sort order the same as the categories order.
In [75]: pd.Series([1,2,3,1], dtype="category")
In [76]: s.cat.reorder_categories([2,3,1], ordered=True)
In [77]: s
Out[77]:
0
1
1
2
2
3
3
1
dtype: category
Categories (3, int64): [2 < 3 < 1]
In [78]: s.sort_values(inplace=True)
In [79]: s
Out[79]:
1
2
2
3
0
1
3
1
dtype: category
Categories (3, int64): [2 < 3 < 1]
In [80]: s.min(), s.max()
Out[80]: (21)
Note: Note the difference between assigningnewcategories and reordering thecategories: thefirst renamescategories
andtherefore the individual values in the Series, but ifthe first position was sorted last,the renamed value will stillbe
sorted last. Reordering means that the way values are sorted is different afterwards, but not that individual values in
the Series are changed.
Note: If the Categorical is not ordered, Series.min() and Series.max() will raise TypeError. Numeric
operations like +, -,
*
,/ and operations based on them (e.g. Series.median(), which would need to compute
the mean between two values if the length of an array is even) do not work and raise a TypeError.
22.4.2 Multi Column Sorting
Acategoricaldtypedcolumn willparticipate ina multi-column sortina similar mannertoothercolumns. The ordering
ofthe categorical is determined by the categories of that column.
In [81]: dfs pd.DataFrame({'A' : pd.Categorical(list('bbeebbaa'), categories=['e','a','b'], ordered=True),
....:
'B' : [1,2,1,2,2,1,2,1] })
....:
In [82]: dfs.sort_values(by=['A''B'])
Out[82]:
A
B
736
Chapter 22. Categorical Data
XDoc.HTML5 Viewer for .NET, All Mature Features Introductions
to search text-based documents, like PDF, Microsoft Office typing new signature, deleting added signature from the After adding such a control button, with a
add a signature to a pdf file; adding signature to pdf in preview
VB.NET TIFF: Add New Image to TIFF File in Visual Basic .NET
". When you want to copy an image, graphics, signature or logo document processing SDK can offer you the reliable and extensive TIFF page image adding tool that
add signature to pdf in preview; add jpg signature to pdf
pandas: powerful Python data analysis toolkit, Release 0.18.1
2
e
1
3
e
2
7
a
1
6
a
2
0
b
1
5
b
1
1
b
2
4
b
2
Reordering the categories changes a future sort.
In [83]: dfs['A'dfs['A'].cat.reorder_categories(['a','b','e'])
In [84]: dfs.sort_values(by=['A','B'])
Out[84]:
A
B
7
a
1
6
a
2
0
b
1
5
b
1
1
b
2
4
b
2
2
e
1
3
e
2
22.5 Comparisons
Comparing categorical data with other objects is possible in three cases:
• comparing equality (== and !=) to a list-like object (list, Series, array, ...) of the same length as the categorical
data.
• all comparisons (==, !=, >, >=, <, and <=) of categorical data to another categorical Series, when
ordered==True and the categories are the same.
• all comparisons of a categorical data to a scalar.
All other comparisons, especially “non-equality” comparisons of two categoricals with different categories or a cate-
gorical with any list-like object,will raise a TypeError.
Note: Any “non-equality” comparisons of categorical data with a Series, np.array, list or categorical data with
differentcategories orordering willraisean TypeError because customcategories ordering could beinterpreted intwo
ways: one with taking into account the ordering and one without.
In [85]: cat pd.Series([1,2,3]).astype("category", categories=[3,2,1], ordered=True)
In [86]: cat_base pd.Series([2,2,2]).astype("category", categories=[3,2,1], ordered=True)
In [87]: cat_base2 pd.Series([2,2,2]).astype("category", ordered=True)
In [88]: cat
Out[88]:
0
1
1
2
2
3
dtype: category
Categories (3, int64): [3 < 2 < 1]
22.5. Comparisons
737
pandas: powerful Python data analysis toolkit, Release 0.18.1
In [89]: cat_base
Out[89]:
0
2
1
2
2
2
dtype: category
Categories (3, int64): [3 < 2 < 1]
In [90]: cat_base2
Out[90]:
0
2
1
2
2
2
dtype: category
Categories (1, int64): [2]
Comparing to a categorical with the same categories and ordering or to a scalar works:
In [91]: cat cat_base
Out[91]:
0
True
1
False
2
False
dtype: bool
In [92]: cat 2
Out[92]:
0
True
1
False
2
False
dtype: bool
Equality comparisons work with any list-like object ofsame length and scalars:
In [93]: cat == cat_base
Out[93]:
0
False
1
True
2
False
dtype: bool
In [94]: cat == np.array([1,2,3])
Out[94]:
0
True
1
True
2
True
dtype: bool
In [95]: cat == 2
Out[95]:
0
False
1
True
2
False
dtype: bool
This doesn’t work because the categories are not the same:
738
Chapter 22. Categorical Data
pandas: powerful Python data analysis toolkit, Release 0.18.1
In [96]: try:
....:
cat > cat_base2
....: except TypeError as e:
....:
print("TypeError: " + str(e))
....:
TypeError: Categoricals can only be compared if 'categories' are the same
If you want to do a “non-equality” comparison of a categorical series with a list-like object which is not categorical
data, you need to be explicit and convert the categorical data back to the original values:
In [97]: base np.array([1,2,3])
In [98]: try:
....:
cat > base
....: except TypeError as e:
....:
print("TypeError: " + str(e))
....:
TypeError: Cannot compare a Categorical for op __gt__ with type <type 'numpy.ndarray'>.
If you want to compare values, use 'np.asarray(cat) <op> other'.
In [99]: np.asarray(cat) base
Out[99]: array([FalseFalseFalse], dtype=bool)
22.6 Operations
Apart from Series.min(), Series.max() and Series.mode(), the following operations are possible with
categorical data:
Series methods like Series.value_counts()will use all categories,even if some categories are not present in the data:
In [100]: pd.Series(pd.Categorical(["a","b","c","c"], categories=["c","a","b","d"]))
In [101]: s.value_counts()
Out[101]:
c
2
b
1
a
1
d
0
dtype: int64
Groupby will also show “unused” categories:
In [102]: cats pd.Categorical(["a","b","b","b","c","c","c"], categories=["a","b","c","d"])
In [103]: df pd.DataFrame({"cats":cats,"values":[1,2,2,2,3,4,5]})
In [104]: df.groupby("cats").mean()
Out[104]:
values
cats
a
1.0
b
2.0
c
4.0
d
NaN
In [105]: cats2 pd.Categorical(["a","a","b","b"], categories=["a","b","c"])
22.6. Operations
739
pandas: powerful Python data analysis toolkit, Release 0.18.1
In [106]: df2 pd.DataFrame({"cats":cats2,"B":["c","d","c","d"], "values":[1,2,3,4]})
In [107]: df2.groupby(["cats","B"]).mean()
Out[107]:
values
cats B
a
c
1.0
d
2.0
b
c
3.0
d
4.0
c
c
NaN
d
NaN
Pivot tables:
In [108]: raw_cat pd.Categorical(["a","a","b","b"], categories=["a","b","c"])
In [109]: df pd.DataFrame({"A":raw_cat,"B":["c","d","c","d"], "values":[1,2,3,4]})
In [110]: pd.pivot_table(df, values='values', index=['A''B'])
Out[110]:
A
B
a
c
1.0
d
2.0
b
c
3.0
d
4.0
c
c
NaN
d
NaN
Name: values, dtype: float64
22.7 Data munging
The optimized pandas data access methods .loc, .iloc, .ix .at,and .iat,workas normal. The onlydifference
is the return type (for getting) and that only values already in categories can be assigned.
22.7.1 Getting
If the slicingoperation returns either a DataFrame or a column oftype Series, the category dtype is preserved.
In [111]: idx pd.Index(["h","i","j","k","l","m","n",])
In [112]: cats pd.Series(["a","b","b","b","c","c","c"], dtype="category", index=idx)
In [113]: values[1,2,2,2,3,4,5]
In [114]: df pd.DataFrame({"cats":cats,"values":values}, index=idx)
In [115]: df.iloc[2:4,:]
Out[115]:
cats
values
j
b
2
k
b
2
In [116]: df.iloc[2:4,:].dtypes
Out[116]:
740
Chapter 22. Categorical Data
Documents you may be interested
Documents you may be interested