pandas.Categorical

熊猫类 。分类（值，类别= None， ordered = None， dtype = None， fastpath = _NoDefault.no_default， copy = True）

以经典 R/S-plus 方式表示分类变量。

类别只能采用有限且通常是固定数量的可能值（类别）。与统计分类变量相比，分类变量可能有顺序，但不可能进行数值运算（加法、除法等）。

Categorical的所有值要么在类别中，要么在 np.nan中。在类别之外分配值将引发ValueError。顺序是由类别的顺序定义的，而不是值的词汇顺序。

参数：

值列表式

分类的值。如果给出类别，则不在类别中的值将替换为 NaN。

类索引（唯一），可选

此类别的独特类别。如果未给出，则假定类别是值的唯一值（如果可能，则按它们出现的顺序进行排序）。

有序布尔值，默认 False

该分类是否被视为有序分类。如果为 True，则结果分类将被排序。排序时，有序分类遵循其类别属性的顺序 （如果提供的话，类别属性又是类别参数）。

dtype分类Dtype

CategoricalDtype用于此分类的实例。

加薪：

值错误

如果类别不验证。

类型错误

ordered=True如果给出了显式但没有类别并且 值不可排序。

也可以看看

CategoricalDtype

分类数据的类型。

CategoricalIndex

具有底层证券的指数Categorical。

笔记

请参阅用户指南 了解更多信息。

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']

缺失值不包含在类别中。

>>> 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，它们的存在在代码属性中通过代码-1指示。

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

有序类别可以根据类别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'

属性

categories	此分类的类别。
codes	该分类索引的类别代码。
ordered	类别是否具有有序关系。
dtype	对于CategoricalDtype这个例子。

方法

from_codes（代码[、类别、有序、...]）	从代码和类别或 dtype 中创建分类类型。
__array__([数据类型，复制])	numpy 数组接口。