Python pandas.Categorical用法及代碼示例

用法: class pandas.Categorical(values, categories=None, ordered=None, dtype=None, fastpath=False, copy=True)

以經典 R /S-plus 方式表示分類變量。

Categoricals 隻能采用有限且通常是固定數量的可能值 (categories)。與統計分類變量相比，Categorical 可能有順序，但不能進行數值運算(加法、除法等)。

Categorical 的所有值都在 categories 或 np.nan 中。在 categories 之外分配值將引發 ValueError 。順序由 categories 的順序定義，而不是值的詞法順序。

參數：

values：list-like

分類的值。如果給定類別，則不在類別中的值將替換為 NaN。

categories：Index-like(唯一)，可選

此類別的唯一類別。如果未給出，則假定類別是values 的唯一值(如果可能，按它們出現的順序排序)。

ordered：布爾值，默認為 False

此分類是否被視為有序分類。如果為 True，則將對生成的分類進行排序。排序後的分類尊重其categories 屬性的順序(如果提供，該屬性又是categories 參數)。

dtype：分類類型

用於此分類的 CategoricalDtype 的實例。

拋出：

ValueError

如果類別不驗證。

TypeError

如果給出了明確的 ordered=True 但沒有給出 categories 並且 values 是不可排序的。

注意：

有關更多信息，請參閱用戶指南。

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']

缺失值不作為一個類別包括在內。

>>> c = pd.Categorical([1, 2, 3, 1, 2, 3, np.nan])
>>> c
[1, 2, 3, 1, 2, 3, NaN]
Categories (3, int64):[1, 2, 3]

但是，它們的存在在 codes 屬性中由代碼 -1 指示。

>>> c.codes
array([ 0,  1,  2,  0,  1,  2, -1], dtype=int8)

Ordered Categoricals 可以根據類別的自定義順序進行排序，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'

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.Categorical。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。