如何在 Pandas 中创建具有自己级别的类别？

Posted 2023-03-11

【中文标题】如何在 Pandas 中创建具有自己级别的类别？

【英文标题】：How do I create a Categorial with my own levels in Pandas?

【发布时间】：2012-09-23 19:21:44

【问题描述】：

我正在阅读 CSV，我想将其中一列设为分类，并按我自己的顺序排列。我怎么做？这三个标签是“读”、“写”和“混合”。以下是一些不起作用的事情：

Categorical(my_csv.rw, ['read', 'write', 'mixed'])
    ValueError: invalid literal for long() with base 10: 'mixed'

Categorical(my_csv.rw, Index(['read', 'write', 'mixed']))
    ValueError: invalid literal for long() with base 10: 'mixed'

Categorical(['read', 'mixed', 'write'], Index(['read', 'write', 'mixed']))
    ValueError: invalid literal for long() with base 10: 'mixed'

Categorical.from_array(['read', 'mixed', 'write']) # Levels in wrong order

那么，我该怎么做呢？

【参考方案1】：

Categorical 需要一个整数数组和一个级别数组：

In [14]: Categorical([0, 1, 2], Index(['read', 'write', 'mixed']))
Out[14]: 
Categorical: 
array([read, write, mixed], dtype=object)
Levels (3): Index([read, write, mixed], dtype=object)

我不相信它会做很多错误检查（因为它们通常是由其他函数创建的），但这可以改变。

【参考方案2】：

我相信级别是按标签排序的：

In [38]: a.levels
Out[38]: Index([mixed, read, write], dtype=object)

In [39]: a.labels
Out[39]: array([1, 0, 2])

【讨论】：

这是默认设置。是否可以更改默认值？

不幸的是，现在不行。不过，添加诸如 sort_labels、sort_levels 和/或 sort(indexer) 之类的方法应该很容易。你有兴趣在 github 上提出拉取请求吗？我们非常欢迎任何社区贡献