pandas.CategoricalIndex#

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

基于底层 Categorical 的索引。

CategoricalIndex，与 Categorical 类似，只能取有限的、通常是固定的可能值（categories）。同样，与 Categorical 类似，它可能具有顺序，但不能进行数值运算（加法、除法等）。

参数:
data类数组（一维）

分类数组的值。如果提供了 categories，不在 categories 中的值将被替换为 NaN。

categories类索引，可选

分类数组的类别。项目需要是唯一的。如果此处（或 dtype 中）未给出类别，则将从 data 中推断。

orderedbool, optional

此分类数组是否被视为有序分类数组。如果此处或 dtype 中未给出，则生成的分类数组将是无序的。

dtypeCategoricalDtype 或 “category”，可选

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

copybool，默认值 False

复制输入 ndarray。

nameobject，可选

存储在索引中的名称。

属性

codes

此分类索引的类别代码。

categories

此分类数据的类别。

ordered

类别是否具有排序关系。

Methods

rename_categories(new_categories)

重命名类别。

reorder_categories(new_categories[, ordered])

按 new_categories 中指定的顺序重新排列类别。

add_categories(new_categories)

添加新类别。

remove_categories(removals)

删除指定的类别。

remove_unused_categories()

删除未使用的类别。

set_categories(new_categories[, ordered, rename])

将类别设置为指定的新类别。

as_ordered()

将 Categorical 设置为有序。

as_unordered()

将 Categorical 设置为无序。

map(mapper[, na_action])

使用输入映射或函数映射值。
引发:
ValueError

当类别无效时。

TypeError

当明确给出 ordered=True 但未给出 categories 且 values 不可排序时。

另请参阅

索引

基础 pandas Index 类型。

Categorical

一个分类数组。

CategoricalDtype

分类数据的类型。

注意

更多信息请参阅用户指南。

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 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')

有序的 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'
本页内容