pandas.CategoricalIndex#

class pandas.CategoricalIndex(data=None, categories=None, ordered=None, dtype=None, copy=False, name=None)[源代码]#

基于基础数据的索引 Categorical 。

与CategoricalIndex一样，CategoricalIndex只能采用有限且通常是固定数量的可能值 (categories )。而且，像分类一样，它可能有一个顺序，但数字运算(加法、除法等)是不可能的。

参数

data类数组(一维): 直接词的价值。如果 categories ，则值不在 categories 将被NaN取代。
categories类似索引，可选: 定义词的类别。项目必须是唯一的。如果此处未给出类别(也未在 dtype )，它们将从 data 。
ordered布尔值，可选: 该定语是否被视为有序的定语。如果不是在这里或在 dtype ，则得到的分类将是无序的。
dtypeCategoricalDtype或“ategory”，可选: 如果 CategoricalDtype ，不能与一起使用 categories 或 ordered 。
copy布尔值，默认为False: 复制一份输入ndarray。
name对象，可选: 要存储在索引中的名称。

加薪

ValueError: 如果类别不有效。
TypeError: 如果显式 ordered=True 是给的，但不是 categories 以及 values 是不可排序的。

参见

Index: 基本Pandas索引类型。
Categorical: 一个明确的数组。
CategoricalDtype: 键入以获取分类数据。

注意事项

请参阅 user guide 想要更多。

示例

>>> 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 ：

>>> 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')

有条不紊 CategoricalIndex 可以有最小值和最大值。

>>> 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'

属性

`codes`	这一分类的类别代码。
`categories`	这个定语的范畴。
`ordered`	类别是否具有有序关系。

方法：

`rename_categories` \(args, *kwargs)	重命名类别。
`reorder_categories` \(args, *kwargs)	按照NEW_CATEGORES中指定的方式对类别进行重新排序。
`add_categories` \(args, *kwargs)	添加新类别。
`remove_categories` \(args, *kwargs)	删除指定的类别。
`remove_unused_categories` \(args, *kwargs)	删除不使用的类别。
`set_categories` \(args, *kwargs)	将类别设置为指定的NEW_CACTIONS。
`as_ordered` \(args, *kwargs)	将分类词设置为有序。
`as_unordered` \(args, *kwargs)	将定义词设置为无序。
`map` \(映射器)	使用输入、输入、映射或函数映射值。

pandas.Float64Index

pandas.CategoricalIndex.codes