pandas.api.types.union_categoricals#
- pandas.api.types.union_categoricals(to_union, sort_categories=False, ignore_order=False)[源代码]#
组合列表式的 Categorical 对象，并联合类别。
所有类别必须具有相同的 dtype。
- Parameters:
- to_union类似列表
Categorical、CategoricalIndex 或 dtype 为 ‘category’ 的 Series。
- sort_categoriesbool，默认 False
如果为 True，则结果类别将按字母顺序排序，否则它们将按数据中出现的顺序排列。
- ignore_orderbool，默认 False
如果为 True，则将忽略 Categoricals 的 ordered 属性。结果将是一个无序的 categorical。
- Returns:
- Categorical
- Raises:
- TypeError
所有输入不具有相同的 dtype
所有输入不具有相同的 ordered 属性
所有输入都已排序但类别不相同
sort_categories=True 且 Categoricals 已排序
- ValueError
传递了空的 categorical 列表
Notes
要了解有关类别的更多信息，请参阅 link
Examples
如果您想组合不一定具有相同类别的 categories，union_categoricals 将组合一个列表式的 categories。新类别将是被组合的类别的并集。
>>> a = pd.Categorical(["b", "c"]) >>> b = pd.Categorical(["a", "b"]) >>> pd.api.types.union_categoricals([a, b]) ['b', 'c', 'a', 'b'] Categories (3, object): ['b', 'c', 'a']
默认情况下，结果类别将按其在数据 categories 中出现的顺序排序。如果您希望类别按字母顺序排序，请使用 sort_categories=True 参数。
>>> pd.api.types.union_categoricals([a, b], sort_categories=True) ['b', 'c', 'a', 'b'] Categories (3, object): ['a', 'b', 'c']
union_categoricals 也适用于组合具有相同类别和顺序信息的两个 categories 的情况（例如，您也可以 append 的情况）。
>>> a = pd.Categorical(["a", "b"], ordered=True) >>> b = pd.Categorical(["a", "b", "a"], ordered=True) >>> pd.api.types.union_categoricals([a, b]) ['a', 'b', 'a', 'b', 'a'] Categories (2, object): ['a' < 'b']
由于类别已排序且不相同，因此引发 TypeError。
>>> a = pd.Categorical(["a", "b"], ordered=True) >>> b = pd.Categorical(["a", "b", "c"], ordered=True) >>> pd.api.types.union_categoricals([a, b]) Traceback (most recent call last): ... TypeError: to union ordered Categoricals, all categories must be the same
通过使用 ignore_ordered=True 参数，可以组合具有不同类别或顺序的已排序 categories。
>>> a = pd.Categorical(["a", "b", "c"], ordered=True) >>> b = pd.Categorical(["c", "b", "a"], ordered=True) >>> pd.api.types.union_categoricals([a, b], ignore_order=True) ['a', 'b', 'c', 'c', 'b', 'a'] Categories (3, object): ['a', 'b', 'c']
union_categoricals 也适用于 CategoricalIndex 或包含 categorical 数据的 Series，但请注意，结果数组将始终是一个普通的 Categorical。
>>> a = pd.Series(["b", "c"], dtype='category') >>> b = pd.Series(["a", "b"], dtype='category') >>> pd.api.types.union_categoricals([a, b]) ['b', 'c', 'a', 'b'] Categories (3, object): ['b', 'c', 'a']