Python Pandas CategoricalIndex – 获取分类的类别编码

在 Pandas 中，分类数据是一种特殊的数据类型，它将数据存储为固定的分类集合。Pandas 提供了一个 CategoricalIndex 类来处理分类数据的索引。CategoricalIndex 对象可以与 Pandas 中的其他索引类型一起使用。在本文中，我们将介绍如何使用 CategoricalIndex 获取分类的类别编码。

CategoricalIndex 简介

Pandas 中的 CategoricalIndex 是一种索引类型，用于处理分类数据。分类数据是一种将值存储为有限个固定类别的数据类型。使用 CategoricalIndex 可以获得更高效的内存使用和更快的性能。

CategoricalIndex 对象是一个简单的、只有单个列的 DataFrame，它的数据类型是 pandas.CategoricalDtype。

我们可以使用 pandas.Categorical() 函数将数据转换为分类数据类型：

import pandas as pd

data = pd.Series(["A", "B", "C", "A", "B", "C"])
cat_data = pd.Categorical(data)
print(cat_data)

输出：

[A, B, C, A, B, C]
Categories (3, object): [A, B, C]

在上面的代码中，我们首先创建了一个包含一些字符串的 Series 对象。然后，我们使用 pd.Categorical() 函数将字符串转换为分类数据类型。可以看到，cat_data 中包含三个类别：A、B 和 C。Categories (3, object) 代表这个 Categorical 对象包含 3 个类别。

接下来，我们将 cat_data 转换为 CategoricalIndex：

cat_index = pd.CategoricalIndex(cat_data)
print(cat_index)

输出：

CategoricalIndex(['A', 'B', 'C', 'A', 'B', 'C'], categories=['A', 'B', 'C'], ordered=False, dtype='category')

可以看到，cat_index 包含了所有 cat_data 的值，categories 中包含这些值的类别。

获取分类的类别编码

CategoricalIndex 可以用来获取分类数据的类别编码。类别编码是每个类别的唯一整数标识符。

我们可以使用.codes 属性来获得分类数据的类别编码。.codes 属性返回一个整数数组，其中每个值都是该类别在 categories 中的索引位置。

例如，我们可以通过下面的代码获得 cat_data 中每个字符串对应的索引位置：

print(cat_data.codes)

输出：

[0 1 2 0 1 2]

上面的结果表示 “A” 对应的索引位置是 0，”B” 对应的索引位置是 1，”C” 对应的索引位置是 2。

我们也可以使用 CategoricalIndex 中的.codes 属性获取类别编码：

print(cat_index.codes)

输出：

[0 1 2 0 1 2]

可以看到，这个结果和上面的结果完全一样。因此，我们可以通过 CategoricalIndex 中的.codes 属性轻松获得分类数据的类别编码。

示例

下面是一个示例，展示了如何使用 CategoricalIndex 来获取分类的类别编码：

import pandas as pd

# 创建一个分类数据 Series
data = pd.Series(["A", "B", "C", "A", "B", "C"])
cat_data = pd.Categorical(data)

# 将分类数据转换为 CategoricalIndex
cat_index = pd.CategoricalIndex(cat_data)

# 获取分类的类别编码
print(cat_index.codes)

输出：

[0 1 2 0 1 2]

结论

使用 CategoricalIndex 可以方便地获取分类数据的类别编码。类别编码是每个类别的唯一整数标识符，对于处理分类数据非常重要。Pandas 中的 CategoricalIndex 类提供了灵活的分类数据索引方法，并支持与其他索引类型的混合使用。在处理大量分类数据时，使用 CategoricalIndex 可以显著提高性能，并减少内存使用。