pandas.Categorical

class pandas.Categorical(values, categories=None, ordered=None, dtype=None, fastpath=_NoDefault.no_default, copy=True)

以经典的 R / S-plus 风格表示分类变量。

Categoricals 只能接受有限的、通常是固定的可能值 (categories)。与统计分类变量相反，Categorical 可能有一个顺序，但不能进行数值运算（加法、除法等）。

Categorical 的所有值要么在 categories 中，要么是 np.nan。分配不在 categories 中的值将引发 ValueError。顺序由 categories 的顺序定义，而不是值的词典顺序。

Parameters:

values类似列表

分类的值。如果提供了 categories，则不在 categories 中的值将被替换为 NaN。

categories类似 Index（唯一），可选

该分类的唯一分类。如果未给出，则假定分类是 values 的唯一值（如果可能则排序，否则按它们出现的顺序）。

orderedbool，默认 False

该分类是否被视为有序分类。如果为 True，则生成的分类将被排序。有序分类在排序时会遵循其 categories 属性的顺序（该属性又是由提供的 categories 参数决定的）。

dtypeCategoricalDtype

用于此分类的 CategoricalDtype 实例。

Raises:

ValueError

如果分类未通过验证。

TypeError

如果显式给出 ordered=True 但没有 categories，并且 values 不可排序。

参见

CategoricalDtype

分类数据类型。

CategoricalIndex

具有底层 Categorical 的 Index。

Notes

有关更多信息，请参阅 user guide 。

Examples

>>> pd.Categorical([1, 2, 3, 1, 2, 3])
[1, 2, 3, 1, 2, 3]
Categories (3, int64): [1, 2, 3]

>>> pd.Categorical(['a', 'b', 'c', 'a', 'b', 'c'])
['a', 'b', 'c', 'a', 'b', 'c']
Categories (3, object): ['a', 'b', 'c']

缺失值不包含在分类中。

>>> c = pd.Categorical([1, 2, 3, 1, 2, 3, np.nan])
>>> c
[1, 2, 3, 1, 2, 3, NaN]
Categories (3, int64): [1, 2, 3]

但是，它们的存在通过 codes 属性中的代码 -1 来指示。

>>> c.codes
array([ 0,  1,  2,  0,  1,  2, -1], dtype=int8)

有序 Categoricals 可以根据分类的自定义顺序进行排序，并且可以具有最小值和最大值。

>>> c = pd.Categorical(['a', 'b', 'c', 'a', 'b', 'c'], ordered=True,
...                    categories=['c', 'b', 'a'])
>>> c
['a', 'b', 'c', 'a', 'b', 'c']
Categories (3, object): ['c' < 'b' < 'a']
>>> c.min()
'c'

Attributes

categories	此分类的分类。
codes	此分类索引的分类代码。
ordered	分类是否具有有序关系。
dtype	此实例 the CategoricalDtype 。

Methods

from_codes (codes[, categories, ordered, ...])	从代码和分类或 dtype 创建 Categorical 类型。
__array__ ([dtype, copy])	numpy 数组接口。