04-3 pandas 中 pd.Categorical用法

pandas.Categorical（values，categories = None，ordered = None，dtype = None，fastpath = False ）[source]
表示經典R / S-plus方式的分類變數

分類只能採用有限的，通常是固定數量的可能值（類別）。與統計分類變數相比，分類可能具有順序，但數值運算（加法，除法，…）是不可能的。

分類的所有值都在類別或np.nan中。在類別之外分配值將引發ValueError。順序由類別的順序定義，而不是值的詞彙順序。

引數：

值：類似列表。分類的值，如果給出了類別，則不在類別中的值將替換為NaN。
類別：索引式（唯一），可選。此分類的唯一類別。如果沒有給出，則假定類別是值的唯一值。
ordered：布林值，（預設為False）。此分類是否被視為有序分類。如果沒有給出，則不會訂購生成的分類。
dtype：CategoricalDtype，CategoricalDtype用於此分類的例項

舉：

ValueError異常：如果類別不驗證。
型別錯誤：如果ordered=True給出了顯式但沒有類別且 值不可排序。
下面我們來看例項：

In [16]: st = ['a','a','b','c','c']

In [17]: ss = pd.Categorical(st)

In [18]: ss
Out[18]:
[a, a, b, c, c]
Categories (3, object): [a, b, c]

In [22]: ss.dtype
Out[22]: CategoricalDtype(categories=['a', 'b', 'c'], ordered=False)

這裡就可以看到 categorical 實際上是計算一個列表型資料中的類別數，即不重複項，它返回的是一個CategoricalDtype 型別的物件，相當於在原來資料上附加上類別資訊 ，
具體的類別可以通過和對應的序號可以通過 codes 和 categories 來檢視：

In [23]: ss.codes
Out[23]: array([0, 0, 1, 2, 2], dtype=int8)
In [21]: ss.categories
Out[21]: Index(['a', 'b', 'c'], dtype='object')

有序分類可以根據類別的自定義順序進行排序，並且可以具有最小值和最大值。

>>>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'

屬性

categories	這種分類的類別。
codes	此類別的類別程式碼。
ordered	類別是否具有有序關係
dtype	在CategoricalDtype此例項