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
这一分类的类别代码。
这个定语的范畴。
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。