到目前为止，我们仅学习了处理数值型数据的方法。然而，在真实数据集中，经常会出现一个或多个类别数据的特征列。我们在讨论类别数据时，又可以进一步将他们划分为标称特征（nominal feature）和有序特征（ordinal feature）。可以将有序特征理解为类别的值是有序的或者是可以排序的。如T恤衫的尺寸就是一个有序特征，因为我们可以为其值排序XL>L>M。相反，标称数据则不具备排序的特性。继续刚才。例子，我们可以将T恤衫的颜色看作一个标称特征，因为一般说来，对颜色进行比较，如红色大于蓝色这种说法是不符合常理的。
在探索类别数据的处理技巧之前，我们先构造一个数据集来用来描述问题：
从代码的输出结果中可以看到，我们新构造的DataFrame分别包含一个标称特征（颜色）、一个有序特征（尺寸）以及一个数值特征（价格）。类标（此处假定我们构造的数据集用于监督学习）存储在最后一列。在本书中，我们讨论的分类学习算法中均不使用有序信息作为类标。