pd.Categorical 用法

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Categorical.html    网址

class pandas.Categorical（values，categories = None，ordered = None，dtype = None，fastpath = False ）[source]

代表经典的R / S +时尚中的分类变量

分类只能采用有限的（通常是固定的）数量的可能值（类别）。与统计分类变量相比，分类可能会有一个顺序，但数字操作（添加，分割......）是不可能的。

分类的所有值都在分类或np.nan中。在类别外分配值会引发ValueError。订单由类别的顺序定义，而不是数值的词汇顺序。

参数：	值：像列表一样 分类的值。如果给出类别，那么不在类别中的值将被NaN取代。 类别：类索引（唯一），可选 此类别的唯一类别。如果没有给出，这些类别被假定为值的唯一值。 命令：布尔值，（默认为False） 这个分类是否被视为一个有序的分类。如果没有给出，则最终的分类将不会被排序。 dtype：CategoricalDtype CategoricalDtype用于此分类的实例 新版本0.21.0。
举：	ValueError异常 如果类别不验证。 类型错误 如果ordered=True给出了明确的但没有分类并且 值不可排序。

也可以看看

pandas.api.types.CategoricalDtype

输入分类数据

CategoricalIndex

具有基础的索引  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]

有序分类可以根据类别的自定义顺序进行排序，并且可以有最小值和最大值。

>>> 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	这个类别的类别。
codes	这个分类的分类代码。
ordered	类别是否具有有序关系
dtype	在CategoricalDtype此实例

方法

from_codes（代码，类别[，订购]）	从代码和类别数组中创建一个分类类型。
__array__（[D型]）	numpy数组接口。