Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。
Pandas Index.is_categorical()
函数检查索引是否包含分类数据。分类变量表示可以分为几组的数据类型。类别变量的示例是种族,性别,年龄组和教育程度。
用法: Index.is_categorical()
参数:不带任何参数。
返回:如果索引是分类的,则为True。
范例1:采用Index.is_categorical()
函数检查输入的索引是否是分类的。
# importing pandas as pd
import pandas as pd
# Creating the categorical Index
idx = pd.Index(['Labrador', 'Beagle', 'Mastiff', 'Lhasa',
'Husky', 'Beagle']).astype('category')
# Print the Index
idx
输出:
现在我们发现idx标签是否是分类的。
# Find whether idx1 is categorical or not.
idx.is_categorical()
输出:
该函数已返回true,指示索引中包含的值是类别的。
范例2:采用Index.is_categorical()
函数来查找索引中包含的值是否是分类的。
# importing pandas as pd
import pandas as pd
# Creating the Index
idx = pd.Index(['2015-10-31', '2015-12-02', None, '2016-01-03',
'2016-02-08', '2017-05-05', '2014-02-11'])
# Print the Index
idx
输出:
现在,我们检查idx中的标签是否是分类的。
# test whether idx is having categorical values.
idx.is_categorical()
输出:
正如我们在输出中看到的,该函数已返回False
指示值在idx索引中不是分类的。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
注:本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas Index.is_categorical()。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。