pandas.CategoricalIndex #

熊猫类 CategoricalIndex ( data = None , categories = None , ordered = None , dtype = None , copy = False , name = None ) [来源] #

指数基于底层证券Categorical

CategoricalIndex 与 Categorical 一样,只能采用有限且通常是固定数量的可能值(类别)。此外,与分类一样,它可能有顺序,但不可能进行数值运算(加法、除法等)。

参数
类似数据数组(一维)

分类的值。如果给出 类别,则不在类别中的值将替换为 NaN。

类似索引的类别,可选

分类的类别。物品必须是独一无二的。如果此处未给出类别(并且dtype中也未给出),则将从data中推断出类别。

有序布尔值,可选

该分类是否被视为有序分类。如果此处或dtype中未给出,则生成的分类将是无序的。

dtype CategoricalDtype 或“类别”,可选

如果,不能与类别CategoricalDtype一起使用 或订购

复制bool,默认 False

复制输入 ndarray。

名称对象,可选

要存储在索引中的名称。

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 不可排序。

也可以看看

Index

基本 pandas 索引类型。

Categorical

一个分类数组。

CategoricalDtype

分类数据的类型。

笔记

请参阅用户指南 了解更多信息。

例子

>>> pd.CategoricalIndex(["a", "b", "c", "a", "b", "c"])
CategoricalIndex(['a', 'b', 'c', 'a', 'b', 'c'],
                 categories=['a', 'b', 'c'], ordered=False, dtype='category')

CategoricalIndex也可以从 a 实例化Categorical

>>> c = pd.Categorical(["a", "b", "c", "a", "b", "c"])
>>> pd.CategoricalIndex(c)
CategoricalIndex(['a', 'b', 'c', 'a', 'b', 'c'],
                 categories=['a', 'b', 'c'], ordered=False, dtype='category')

订购的CategoricalIndex可以有最小值和最大值。

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

属性

codes

该分类索引的类别代码。

categories

此分类的类别。

ordered

类别是否具有有序关系。

方法

rename_categories(*args, **kwargs)

重命名类别。

reorder_categories(*args, **kwargs)

按照 new_categories 中指定的方式对类别进行重新排序。

add_categories(*args, **kwargs)

添加新类别。

remove_categories(*args, **kwargs)

删除指定的类别。

remove_unused_categories(*args, **kwargs)

删除不使用的类别。

set_categories(*args, **kwargs)

将类别设置为指定的新类别。

as_ordered(*args, **kwargs)

设置要排序的分类。

as_unordered(*args, **kwargs)

将分类设置为无序。

map(映射器[, na_action])

使用输入映射或函数来映射值。