pandas.CategoricalIndex #
- 熊猫类 。CategoricalIndex ( data = None , categories = None , ordered = None , dtype = None , copy = False , name = None ) [来源] #
指数基于底层证券
Categorical
。CategoricalIndex 与 Categorical 一样,只能采用有限且通常是固定数量的可能值(类别)。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:
- 类似数据数组(一维)
分类的值。如果给出 类别,则不在类别中的值将替换为 NaN。
- 类似索引的类别,可选
分类的类别。物品必须是独一无二的。如果此处未给出类别(并且dtype中也未给出),则将从data中推断出类别。
- 有序布尔值,可选
该分类是否被视为有序分类。如果此处或dtype中未给出,则生成的分类将是无序的。
- dtype CategoricalDtype 或“类别”,可选
如果,不能与类别
CategoricalDtype
一起使用 或订购。- 复制bool,默认 False
复制输入 ndarray。
- 名称对象,可选
要存储在索引中的名称。
- 加薪:
- 值错误
如果类别不验证。
- 类型错误
ordered=True
如果给出了显式但没有类别并且 值不可排序。
也可以看看
Index
基本 pandas 索引类型。
Categorical
一个分类数组。
CategoricalDtype
分类数据的类型。
笔记
请参阅用户指南 了解更多信息。
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 a 实例化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')
订购的
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'
属性
该分类索引的类别代码。
此分类的类别。
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_categories 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新类别。
as_ordered
(*args, **kwargs)设置要排序的分类。
as_unordered
(*args, **kwargs)将分类设置为无序。
map
(映射器[, na_action])使用输入映射或函数来映射值。