pandas.Categorical

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

以经典的 R / S-plus 风格表示一个分类变量。

Categoricals 只能取有限且通常固定的可能值（categories）。与统计分类变量不同，Categorical 可能有顺序，但数值运算（加法、除法等）是不可能的。

Categorical 的所有值要么在 categories 中，要么是 np.nan。赋值给 categories 之外的值将引发 ValueError。顺序由 categories 的顺序定义，而不是值的字典顺序。

参数:

值类似列表

分类的值。如果给出了类别，不在类别中的值将被替换为 NaN。

类别索引式（唯一），可选

这个分类的唯一类别。如果没有给出，则假定类别是 values 的唯一值（如果可能，则排序，否则按它们出现的顺序）。

有序bool, 默认为 False

这个分类是否被视为有序分类。如果是True，则生成的分类将是有序的。有序分类在排序时，会遵循其`categories`属性（如果提供了`categories`参数，则遵循该参数）的顺序。

dtypeCategoricalDtype

一个 CategoricalDtype 的实例，用于此分类。

复制布尔值, 默认为 True

如果代码未更改是否复制。

属性

类别	这个分类的类别。
代码	这个分类索引的类别代码。
有序	类别之间是否存在有序关系。
dtype	这个实例的 CategoricalDtype。

方法

from_codes(codes[, categories, ordered, ...])	从代码和类别或数据类型创建一个分类类型。
as_ordered()	设置类别为有序。
as_unordered()	将分类设置为无序。
set_categories(new_categories[, ordered, rename])	将类别设置为指定的新类别。
rename_categories(new_categories)	重命名类别。
reorder_categories(new_categories[, ordered])	按照 new_categories 中的指定重新排序类别。
add_categories(new_categories)	添加新类别。
remove_categories(移除项)	移除指定的类别。
remove_unused_categories()	移除未使用的类别。
map(mapper[, na_action])	使用输入映射或函数映射类别。
__array__([dtype, copy])	numpy 数组接口。

引发:

ValueError

如果类别未通过验证。

TypeError

如果明确给出 ordered=True 但没有 categories 并且 values 不可排序。

参见

CategoricalDtype

分类数据的类型。

CategoricalIndex

一个基于 Categorical 的索引。

备注

更多信息请参见 用户指南。

例子

>>> 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']

缺失值不作为类别包含在内。

>>> 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]

然而，它们的存在通过 codes 属性中的代码 -1 来表示。

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

有序的 Categoricals 可以根据类别的自定义顺序进行排序，并且可以有一个最小值和最大值。

>>> 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'