pandas.Categorical

class pandas.Categorical(values, categories=None, ordered=None, dtype=None, fastpath=False) [source]

Представляет категориальную переменную в стиле классического R/S-plus

Categoricals может принимать только ограниченное и обычно фиксированное количество возможных значений (categories). В отличие от статистических категориальных переменных, Categorical может иметь порядок, но арифметические операции (сложение, деление, ...) невозможны.

Все значения Categorical находятся либо в categories, либо в np.nan. Присвоение значений за пределами categories вызовет ValueError. Порядок определяется порядком categories, а не лексическим порядком значений.

Параметры:

values : список Значения категориальной переменной. Если заданы категории, значения, не входящие в категории, будут заменены NaN. categories : Index-like (уникальные), необязательно Уникальные категории для данной категориальной переменной. Если не заданы, категории предполагаются уникальными значениями из values. ordered : булево, (по умолчанию False) Указывает, является ли категориальная переменная упорядоченной. Если не задано, результирующая категориальная переменная не будет упорядоченной. dtype : CategoricalDtype Экземпляр CategoricalDtype для использования в этой категориальной переменной Новое в версии 0.21.0.

Возможные исключения:

ValueError Если категории не соответствуют требованиям. TypeError Если явное значение ordered=True задано, но нет значения categories, и values не могут быть отсортированы.

См. также

pandas.api.types.CategoricalDtype

Тип для категориальных данных

CategoricalIndex

Индекс с базовым типом Categorical

Примечания

См. руководство пользователя для более подробной информации.

Примеры

>>> pd.Categorical([1, 2, 3, 1, 2, 3])
[1, 2, 3, 1, 2, 3]
Categories (3, int64): [1, 2, 3]

>>> pd.Categorical(['a', 'b', 'c', 'a', 'b', 'c'])
[a, b, c, a, b, c]
Categories (3, object): [a, b, c]

Упорядоченные Categoricals могут быть отсортированы в соответствии с пользовательским порядком категорий и могут иметь минимальное и максимальное значение.

>>> c = pd.Categorical(['a','b','c','a','b','c'], ordered=True,
...                    categories=['c', 'b', 'a'])
>>> c
[a, b, c, a, b, c]
Categories (3, object): [c < b < a]
>>> c.min()
'c'