pandas.Categorical（）函数

最新推荐文章于 2025-08-03 22:38:56 发布

beiketaoerge

最新推荐文章于 2025-08-03 22:38:56 发布

阅读量324

点赞数

CC 4.0 BY-SA版权

文章标签： pandas

原文链接：https://blog.youkuaiyun.com/weixin_43407190/article/details/102848875?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522170653208516800186546873%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=170653208516800186546873&biz_id=0&ut

文章介绍了Pandas库中的Categorical函数，如何对数据进行分类，设置类别顺序，以及如何使用codes属性进行编码。通过示例展示了如何根据给定的categories和ordered参数调整Categorical对象的行为。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

categorical

pandas.Categorical（values，categories = None，ordered = None，dtype = None ）

values:需要分类的值，如果给出了categories，则会将不在categories的值替换为NaN
categories：根据categories进行分类，如果没有给出，则将values中每一个不同的值确定为一个类别。
ordered：默认为False，如果为True，则启用排序。
dtype：若使用此函数生成一个实例，返回一个CategoricalDtype类型

import pandas as pd  
s1=['a','a','b','d','c']  
s2 = [1,4,4,3,7]  
ss0=pd.Categorical(s1,categories=['d','b','c'])  
ss1 = pd.Categorical(s1)  
ss2 =pd.Categorical(s2)  
print(ss0)  
print(ss1)  
print(ss2)  
print('-------------------')  
# 可以使用code，将分出的类别打印出来，并使用数字编码
print(ss0.codes)  
print(ss1.codes)  
print(ss2.codes)

[NaN, NaN, 'b', 'd', 'c']
Categories (3, object): ['d', 'b', 'c']
['a', 'a', 'b', 'd', 'c']
Categories (4, object): ['a', 'b', 'c', 'd']
[1, 4, 4, 3, 7]
Categories (4, int64): [1, 3, 4, 7]
-------------------
[-1 -1  1  0  2]
[0 0 1 3 2]
[0 2 2 1 3]

import pandas as pd
s1=['a','a','b','d','c']
s2 = [1,4,4,3,7]
ss0=pd.Categorical(s1,categories=['d','b','c'])
ss1 = pd.Categorical(s1)
ss2 =pd.Categorical(s2)
print(ss2)
print(ss2.codes)
print('-------------------')
ss2 =pd.Categorical(s2,ordered=True,categories=[4,3,7,1])
print(ss2)
print(ss2.min())
print(ss2.codes)
ss2.categories

[1, 4, 4, 3, 7]
Categories (4, int64): [4, 3, 7, 1]
[3 0 0 1 2]
-------------------
[1, 4, 4, 3, 7]
Categories (4, int64): [4 < 3 < 7 < 1]
4
[3 0 0 1 2]

通过启用排序，则可以使用min来获取最小索引的数据。