pandas.CategoricalIndex#

класс pandas.CategoricalIndex(данные=None, категории=None, ordered=None, dtype=None, copy=False, имя=None)[источник]#

Индекс на основе базового Categorical.

CategoricalIndex, как и Categorical, может принимать только ограниченное, и обычно фиксированное, количество возможных значений (категории). Также, как и Categorical, он может иметь порядок, но числовые операции (сложение, деление, …) невозможны.

Параметры:

данныеarray-like (одномерный): Значения категориальной переменной. Если категории указаны, значения не в категории будет заменено на NaN.
категорииподобный индексу, опционально: Категории для категориальных данных. Элементы должны быть уникальными. Если категории не указаны здесь (и также не в dtype), они будут выведены из данные.
orderedbool, необязательно: Обрабатывается ли эта категориальная переменная как упорядоченная категориальная. Если не указано здесь или в dtype, результирующая категориальная переменная будет неупорядоченной.
dtypeCategoricalDtype или «category», optional: Если CategoricalDtype, не может использоваться вместе с категории или ordered.
copybool, по умолчанию False: Создать копию входного ndarray.
имяобъект, опционально: Имя для сохранения в индексе.

Атрибуты

`codes`	Коды категорий этого категориального индекса.
`categories`	Категории этой категориальной переменной.
`ordered`	Имеют ли категории упорядоченное отношение.

Методы

`rename_categories`(args, *kwargs)	Переименовать категории.
`reorder_categories`(args, *kwargs)	Переупорядочить категории, как указано в new_categories.
`add_categories`(args, *kwargs)	Добавить новые категории.
`remove_categories`(args, *kwargs)	Удалить указанные категории.
`remove_unused_categories`(args, *kwargs)	Удалить неиспользуемые категории.
`set_categories`(args, *kwargs)	Установить категории в указанные новые категории.
`as_ordered`(args, *kwargs)	Установить, что Categorical является упорядоченным.
`as_unordered`(args, *kwargs)	Установить категориальный тип как неупорядоченный.
`map`(mapper[, na_action])	Сопоставьте значения, используя входное отображение или функцию.

Вызывает:

ValueError: Если категории не проходят проверку.
TypeError: Если явный ordered=True задан, но нет категории и values не подлежат сортировке.

Смотрите также

Index: Базовый тип индекса pandas Index.
Categorical: Категориальный массив.
CategoricalDtype: Тип для категориальных данных.

Примечания

См. руководство пользователя подробнее.

Примеры

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

CategoricalIndex также может быть создан из 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')

Упорядоченный CategoricalIndex может иметь минимальное и максимальное значение.

>>> 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'