pandas.Series.cat.set_categories

Series.cat.set_categories(*args, **kwargs)

将类别设置为指定的 new_categories。

new_categories 可以包含新类别（这将导致出现未使用的类别）或删除旧类别（这将导致将值设为 NaN）。如果 rename=True，类别将被简单地重命名（项数少于或多于旧类别将分别导致值设为 NaN 或出现未使用类别）。

此方法可用于同时执行添加、删除和重新排序等多种操作，因此比通过更专业的方法执行单独的步骤要快。

另一方面，此方法不执行检查（例如，检查旧类别是否包含在新类别中进行重新排序），这可能导致意外的更改，例如在使用特殊的字符串 dtype 时，它不认为 S1 字符串与单个字符的 python 字符串相等。

Parameters:

new_categories类索引

按新顺序排列的类别。

orderedbool，默认 False

该分类是否被视为有序分类。如果未给出，则不改变有序信息。

renamebool，默认 False

new_categories 是否应被视为旧类别的重命名，还是视为重新排序的类别。

Returns:

类别已重排的分类。

Raises:

ValueError

如果 new_categories 无法验证为类别

参见

rename_categories

重命名类别。

reorder_categories

重新排序类别。

add_categories

添加新类别。

remove_categories

删除指定的类别。

remove_unused_categories

删除未使用的类别。

Examples

对于 pandas.Series

>>> raw_cat = pd.Categorical(['a', 'b', 'c', 'A'],
...                           categories=['a', 'b', 'c'], ordered=True)
>>> ser = pd.Series(raw_cat)
>>> ser
0   a
1   b
2   c
3   NaN
dtype: category
Categories (3, object): ['a' < 'b' < 'c']

>>> ser.cat.set_categories(['A', 'B', 'C'], rename=True)
0   A
1   B
2   C
3   NaN
dtype: category
Categories (3, object): ['A' < 'B' < 'C']

对于 pandas.CategoricalIndex

>>> ci = pd.CategoricalIndex(['a', 'b', 'c', 'A'],
...                          categories=['a', 'b', 'c'], ordered=True)
>>> ci
CategoricalIndex(['a', 'b', 'c', nan], categories=['a', 'b', 'c'],
                 ordered=True, dtype='category')

>>> ci.set_categories(['A', 'b', 'c'])
CategoricalIndex([nan, 'b', 'c', nan], categories=['A', 'b', 'c'],
                 ordered=True, dtype='category')
>>> ci.set_categories(['A', 'b', 'c'], rename=True)
CategoricalIndex(['A', 'b', 'c', nan], categories=['A', 'b', 'c'],
                 ordered=True, dtype='category')