pd.Categorical 和 pd.api.types.CategoricalDtype

您可以使用 pd。CategoricalDtype 将序列的数据类型更改为类别。

例如，你有字符串 dtype 的系列，如下所示：

s = pd.Series(['a', 'a', 'b', 'b'])

和

s.dtype返回：

dtype('O')

现在，您可以使用以下命令创建分类 dtype：

s_dtype = pd.api.types.CategoricalDtype(['b','a'], ordered=True)

然后，您可以使用 b < a 的排序来更改该数据。pd.Series.astype

s.astype(s_dtype).sort_values()

输出：

2    b
3    b
0    a
1    a
dtype: category
Categories (2, object): ['b' < 'a']

其中，

s = pd.Categorical(['a','b'],ordered=True)

是一个分类数组构造函数。

为了补充@Scott的答案，当您希望在不同对象之间维护公共 Categorical 时，CategoricalDtype 非常有用。

让我们考虑一下：

s1 = pd.Series(['a', 'a', 'b', 'b'])
s2 = pd.Series(['a', 'c', 'b', 'b'])

如果我们转换为通用的 Categorical 和 ，则生成的 Series 将回退到对象，因为类别不常见：concat

out1 = pd.concat([s1.astype('category'),
                  s2.astype('category')])

0    a
1    a
2    b
3    b
0    a
1    c
2    b
3    b
dtype: object

现在使用一个通用的确保在组合系列后保持这个dtype：CategoricalDtype

cat = pd.CategoricalDtype(['a', 'b', 'c'])
out2 = pd.concat([s1.astype(cat),
                  s2.astype(cat)])

0    a
1    a
2    b
3    b
0    a
1    c
2    b
3    b
dtype: category
Categories (3, object): ['a', 'b', 'c']

其他示例：

cat = pd.CategoricalDtype(['a', 'b', 'c'], ordered=True)
out = s1.astype(cat) < s2.astype(cat)

0    False
1     True
2    False
3    False
dtype: bool