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
类别:类索引(唯一),可选
命令:布尔值,(默认为False)
dtype:CategoricalDtype
|
---|---|
举: | ValueError异常
类型错误
|
也可以看看
- 输入分类数据
-
具有基础的索引
Categorical
pandas.api.types.CategoricalDtype
CategoricalIndex
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。 |