Python pandas.CategoricalIndex用法及代码示例

用法: class pandas.CategoricalIndex(data=None, categories=None, ordered=None, dtype=None, copy=False, name=None)

基于基础 Categorical 的索引。

CategoricalIndex 与 Categorical 一样，只能采用有限且通常是固定数量的可能值 (categories)。此外，与分类一样，它可能有顺序，但不可能进行数值运算(加法、除法等)。

参数：

data：array-like(一维)

分类的值。如果给出categories，则不在categories 中的值将被替换为NaN。

categories：index-like，可选

类别的类别。项目必须是唯一的。如果这里没有给出类别(也没有在 dtype 中)，它们将从 data 中推断出来。

ordered：布尔型，可选

此分类是否被视为有序分类。如果未在此处或 dtype 中给出，则生成的分类将是无序的。

dtype：CategoricalDtype 或“category”，可选

如果 CategoricalDtype ，不能与 categories 或 ordered 一起使用。

copy：布尔值，默认为 False

制作输入 ndarray 的副本。

name：对象，可选

要存储在索引中的名称。

抛出：

ValueError

如果类别不验证。

TypeError

如果给出了明确的 ordered=True 但没有给出 categories 并且 values 是不可排序的。

注意：

有关更多信息，请参阅用户指南。

例子：

>>> pd.CategoricalIndex(["a", "b", "c", "a", "b", "c"])
CategoricalIndex(['a', 'b', 'c', 'a', 'b', 'c'],
                 categories=['a', 'b', 'c'], ordered=False, dtype='category')

CategoricalIndex 也可以从 Categorical 实例化：

>>> c = pd.Categorical(["a", "b", "c", "a", "b", "c"])
>>> pd.CategoricalIndex(c)
CategoricalIndex(['a', 'b', 'c', 'a', 'b', 'c'],
                 categories=['a', 'b', 'c'], ordered=False, dtype='category')

已排序的 CategoricalIndex 可以具有最小值和最大值。

>>> ci = pd.CategoricalIndex(
...     ["a", "b", "c", "a", "b", "c"], ordered=True, categories=["c", "b", "a"]
... )
>>> ci
CategoricalIndex(['a', 'b', 'c', 'a', 'b', 'c'],
                 categories=['c', 'b', 'a'], ordered=True, dtype='category')
>>> ci.min()
'c'

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.CategoricalIndex。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。