目录
- 新功能
- 安装
- 贡献给pandas
- 常见问题(FAQ)
- 套装概述
- 10分钟到熊猫
- 教程
- 食谱
- 数据结构简介
- 基本基本功能
- 使用文本数据
- 选项和设置
- 索引和选择数据
- MultiIndex /高级索引
- 计算工具
- 使用缺失数据
- 分组:split-apply-combine
- 合并,连接和连接
- 整形和数据透视表
- 时间系列/日期功能
- 时间Deltas
- 分类数据
- 可视化
- 样式
- IO工具(文本,CSV,HDF5,...)
- 远程数据访问
- 增强性能
- 稀疏数据结构
- 告诫和诀窍
- rpy2 / R interface
- pandas生态系统
- 与R / R库比较
- 与SQL比较
- 与SAS的比较
- API参考
- 输入/输出
- 一般功能
- 系列
- DataFrame
- 面板
- Panel4D
- 索引
- CategoricalIndex
- pandas.CategoricalIndex
- pandas.CategoricalIndex.T
- pandas.CategoricalIndex.asi8
- pandas.CategoricalIndex.base
- pandas.CategoricalIndex.categories
- pandas.CategoricalIndex.codes
- pandas.CategoricalIndex.data
- pandas.CategoricalIndex.dtype
- pandas.CategoricalIndex.dtype_str
- pandas.CategoricalIndex.flags
- pandas.CategoricalIndex.has_duplicates
- pandas.CategoricalIndex.hasnans
- pandas.CategoricalIndex.inferred_type
- pandas.CategoricalIndex.is_all_dates
- pandas.CategoricalIndex.is_monotonic
- pandas.CategoricalIndex.is_monotonic_decreasing
- pandas.CategoricalIndex.is_monotonic_increasing
- pandas.CategoricalIndex.is_unique
- pandas.CategoricalIndex.itemsize
- pandas.CategoricalIndex.name
- pandas.CategoricalIndex.names
- pandas.CategoricalIndex.nbytes
- pandas.CategoricalIndex.ndim
- pandas.CategoricalIndex.nlevels
- pandas.CategoricalIndex.ordered
- pandas.CategoricalIndex.shape
- pandas.CategoricalIndex.size
- pandas.CategoricalIndex.strides
- pandas.CategoricalIndex.values
- pandas.CategoricalIndex.add_categories
- pandas.CategoricalIndex.all
- pandas.CategoricalIndex.any
- pandas.CategoricalIndex.append
- pandas.CategoricalIndex.argmax
- pandas.CategoricalIndex.argmin
- pandas.CategoricalIndex.argsort
- pandas.CategoricalIndex.as_ordered
- pandas.CategoricalIndex.as_unordered
- pandas.CategoricalIndex.asof
- pandas.CategoricalIndex.asof_locs
- pandas.CategoricalIndex.astype
- pandas.CategoricalIndex.copy
- pandas.CategoricalIndex.delete
- pandas.CategoricalIndex.difference
- pandas.CategoricalIndex.drop
- pandas.CategoricalIndex.drop_duplicates
- pandas.CategoricalIndex.dropna
- pandas.CategoricalIndex.duplicated
- pandas.CategoricalIndex.equals
- pandas.CategoricalIndex.factorize
- pandas.CategoricalIndex.fillna
- pandas.CategoricalIndex.format
- pandas.CategoricalIndex.get_duplicates
- pandas.CategoricalIndex.get_indexer
- pandas.CategoricalIndex.get_indexer_for
- pandas.CategoricalIndex.get_indexer_non_unique
- pandas.CategoricalIndex.get_level_values
- pandas.CategoricalIndex.get_loc
- pandas.CategoricalIndex.get_slice_bound
- pandas.CategoricalIndex.get_value
- pandas.CategoricalIndex.get_values
- pandas.CategoricalIndex.groupby
- pandas.CategoricalIndex.holds_integer
- pandas.CategoricalIndex.identical
- pandas.CategoricalIndex.insert
- pandas.CategoricalIndex.intersection
- pandas.CategoricalIndex.is
- pandas.CategoricalIndex.is_boolean
- pandas.CategoricalIndex.is_categorical
- pandas.CategoricalIndex.is_floating
- pandas.CategoricalIndex.is_integer
- pandas.CategoricalIndex.is_lexsorted_for_tuple
- pandas.CategoricalIndex.is_mixed
- pandas.CategoricalIndex.is_numeric
- pandas.CategoricalIndex.is_object
- pandas.CategoricalIndex.is_type_compatible
- pandas.CategoricalIndex.isin
- pandas.CategoricalIndex.item
- pandas.CategoricalIndex.join
- pandas.CategoricalIndex.map
- pandas.CategoricalIndex.max
- pandas.CategoricalIndex.memory_usage
- pandas.CategoricalIndex.min
- pandas.CategoricalIndex.nunique
- pandas.CategoricalIndex.order
- pandas.CategoricalIndex.putmask
- pandas.CategoricalIndex.ravel
- pandas.CategoricalIndex.reindex
- pandas.CategoricalIndex.remove_categories
- pandas.CategoricalIndex.remove_unused_categories
- pandas.CategoricalIndex.rename
- pandas.CategoricalIndex.rename_categories
- pandas.CategoricalIndex.reorder_categories
- pandas.CategoricalIndex.repeat
- pandas.CategoricalIndex.reshape
- pandas.CategoricalIndex.searchsorted
- pandas.CategoricalIndex.set_categories
- pandas.CategoricalIndex.set_names
- pandas.CategoricalIndex.set_value
- pandas.CategoricalIndex.shift
- pandas.CategoricalIndex.slice_indexer
- pandas.CategoricalIndex.slice_locs
- pandas.CategoricalIndex.sort
- pandas.CategoricalIndex.sort_values
- pandas.CategoricalIndex.sortlevel
- pandas.CategoricalIndex.str
- pandas.CategoricalIndex.summary
- pandas.CategoricalIndex.sym_diff
- pandas.CategoricalIndex.symmetric_difference
- pandas.CategoricalIndex.take
- pandas.CategoricalIndex.to_datetime
- pandas.CategoricalIndex.to_native_types
- pandas.CategoricalIndex.to_series
- pandas.CategoricalIndex.tolist
- pandas.CategoricalIndex.transpose
- pandas.CategoricalIndex.union
- pandas.CategoricalIndex.unique
- pandas.CategoricalIndex.value_counts
- pandas.CategoricalIndex.view
- pandas.CategoricalIndex.where
- 分类组件
- pandas.CategoricalIndex.codes
- pandas.CategoricalIndex.categories
- pandas.CategoricalIndex.ordered
- pandas.CategoricalIndex.rename_categories
- pandas.CategoricalIndex.reorder_categories
- pandas.CategoricalIndex.add_categories
- pandas.CategoricalIndex.remove_categories
- pandas.CategoricalIndex.remove_unused_categories
- pandas.CategoricalIndex.set_categories
- pandas.CategoricalIndex.as_ordered
- pandas.CategoricalIndex.as_unordered
- pandas.CategoricalIndex
- MultiIndex
- DatetimeIndex
- TimedeltaIndex
- 窗口
- GroupBy
- 重新采样
- 样式
- 一般效用函数
- 内部
- 发行说明
搜索
输入搜索字词或模块,类或函数名称。
pandas.CategoricalIndex.set_categories¶
-
CategoricalIndex.
set_categories
(*args, **kwargs)[source]¶ 将类别设置为指定的new_categories。
new_categories可以包含新类别(将导致未使用的类别)或删除旧类别(导致值设置为NaN)。如果rename == True,则类别将被简单地重命名(与旧类别相比,更少或更多的项目将导致值分别设置为NaN或未使用的类别)。
该方法可以用于执行多于一个的同时添加,移除和重新排序的动作,并且因此比通过更专业化的方法执行各个步骤更快。
另一方面,这种方法不进行检查(例如,旧类别是否在重新排序上包括在新类别中),这可能导致意想不到的变化,例如当在python3上使用特殊字符串dtypes时,其不考虑S1字符串等于单个char python字符串。
参数: new_categories:索引式
新订单中的类别。
有序:boolean,(默认值:False)
分类是否被视为有序分类。如果没有给出,不要更改有序信息。
rename:boolean(默认值:False)
new_categories是否应被视为旧类别的重命名或重新排序的类别。
inplace:boolean(默认值:False)
是否对现有类别重新排序,或返回此类别的副本,并重新排序。
返回: cat:使用重新排序的类别进行分类,如果在位置,则为None。
上升: ValueError
如果new_categories未验证为类别