pandas.Categorical是用于表示类似于R/S-Plus的分类变量的数据结构。分类变量有固定的可能值，且可能带有顺序，但不允许数值运算。值必须在指定的类别中，否则会被替换为NaN。可以通过`values`、`categories`、`ordered`等参数创建。如果`ordered=True`，则分类被视为有序。CategoricalDtype对象记录了数据的类别信息，可以通过`codes`和`categories`属性查看。有序分类可以自定义排序并具有最小值和最大值的概念。
pandas.Categorical（values，categories = None，ordered = None，dtype = None，fastpath = False ）[source]
表示经典R / S-plus方式的分类变量
分类只能采用有限的，通常是固定数量的可能值（类别）。与统计分类变量相比，分类可能具有顺序，但数值运算（加法，除法，…）是不可能的。
分类的所有值都在类别或np.nan中。在类别之外分配值将引发ValueError。顺序由类别的顺序定义，而不是值的词汇顺序。
参数：
值：类似列表。分类的值，如果给出了类别，则不在类别中的值将替换为NaN。
类别：索引式（唯一），可选。此分类的唯一类别。如果没有给出，则假定类别是值的唯一值。
ordered：布尔值，（默认为False）。此分类是否被视为有序分类。如果没有给出，则不会订购生成的分类。
dtype：CategoricalDtype，CategoricalDtype用于此分类的实例
举：
ValueError异常：如果类别不验证。
类型错误：如果ordered=True给出了显式但没有类别且 值不可排序。
下面我们来看实例：
In [16]: st = ['a','a','b','c','c']
In [17]: 
最低0.47元/天 解锁文章
扫一扫
339
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
