pandas.CategoricalIndex

熊猫类 。CategoricalIndex ( data = None , categories = None , ordered = None , dtype = None , copy = False , name = None )

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 值不可排序。

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。