Python Pandas CategoricalIndex – 重命名类别

Pandas 的 CategoricalIndex 类是一种索引类型，用于将类别数据用作索引。当进行数据操作时，Pandas 可以更好地理解这些数据的语义。

但是有时候，我们可能需要重命名这些类别，以更好地描述它们所代表的含义。在本篇文章中，我们将介绍如何使用 Pandas 中的 CategoricalIndex.rename_categories() 方法来重命名类别。

示例数据

为了演示如何重命名类别，我们首先需要创建一些示例数据。在本文中，我们将使用一个包含汽车销售数据的 DataFrame，其中包括三个类别变量：车型、颜色和国家。

import pandas as pd

cars = pd.DataFrame({
    'Model': pd.Categorical(['Civic', 'Sentra', 'Accord', 'Civic']),
    'Color': pd.Categorical(['Red', 'Blue', 'Blue', 'Green']),
    'Country': pd.Categorical(['US', 'Japan', 'US', 'Canada']),
    'Sales': [10000, 5000, 20000, 8000]
})

现在让我们来看一下这个 DataFrame 的样子：

print(cars)

输出：

    Model  Color Country  Sales
0   Civic    Red      US  10000
1  Sentra   Blue   Japan   5000
2  Accord   Blue      US  20000
3   Civic  Green  Canada   8000

重命名类别

现在假设我们想要重命名“Japan”为“日本”，那么我们可以使用 rename_categories() 方法来实现。

cars['Country'] = cars['Country'].cat.rename_categories({'Japan': '日本'})

这行代码首先选取了 cars DataFrame 中的“Country”列，然后对其调用了 cat 属性来转换为 Categorical 类型。我们使用 rename_categories() 方法来将“Japan”重命名为“日本”。

现在，如果我们输出 cars DataFrame，我们会看到“Japan”已经被成功重命名了。

print(cars)

输出：

    Model  Color Country  Sales
0   Civic    Red      US  10000
1  Sentra   Blue      日本   5000
2  Accord   Blue      US  20000
3   Civic  Green  Canada   8000