pandas.CategoricalIndex

class pandas.CategoricalIndex [source]

Индекс, основанный на базовом Categorical.

CategoricalIndex, как и Categorical, может принимать только ограниченное и обычно фиксированное количество возможных значений (categories). Также, как и Categorical, он может иметь порядок, но арифметические операции (сложение, деление и т. д.) невозможны.

Параметры:

data : array-like (1-dimensional) Значения категориального типа. Если categories заданы, значения, отсутствующие в categories, будут заменены на NaN. categories : index-like, optional Категории для категориального типа. Элементы должны быть уникальными. Если категории не заданы здесь (и также не в dtype), они будут определены из data. ordered : bool, optional Указывается, рассматривается ли категориальный тип как упорядоченный. Если не задано здесь или в dtype, результат будет неупорядоченным. dtype : CategoricalDtype or the string “category”, optional Если CategoricalDtype, не может использоваться вместе с categories или ordered. Добавлен в версии 0.21.0. copy : bool, default False Создать копию входного массива ndarray. name : object, optional Имя, которое будет сохранено в индексе.

Возможные исключения:

ValueError Если категории не валидны. TypeError Если задан явный ordered=True, но нет categories, и values не сортируются.

См. также

Index

Базовый тип индекса pandas.

Categorical

Массив категорий.

CategoricalDtype

Тип для категориальных данных.

Примечания

См. руководство пользователя для более подробной информации.

Примеры

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

CategoricalIndex также можно создать 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')  # noqa

Упорядоченные CategoricalIndex могут 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')  # noqa
>>> ci.min()
'c'

Атрибуты

codes
categories
ordered

Методы

rename_categories(self, \*args, \*\*kwargs)	Переименовать категории.
reorder_categories(self, \*args, \*\*kwargs)	Переупорядочить категории в соответствии с new_categories.
add_categories(self, \*args, \*\*kwargs)	Добавить новые категории.
remove_categories(self, \*args, \*\*kwargs)	Удалить указанные категории.
remove_unused_categories(self, \*args, …)	Удалить неиспользуемые категории.
set_categories(self, \*args, \*\*kwargs)	Установить категории в указанные new_categories.
as_ordered(self, \*args, \*\*kwargs)	Установить категориальный тип как упорядоченный.
as_unordered(self, \*args, \*\*kwargs)	Установить категориальный тип как неупорядоченный.
map(self, mapper)	Применить отображение к значениям с использованием соответствия (словарь, Series или функция).