pyspark.pandas.CategoricalIndex.set_categories¶
-
CategoricalIndex。set_categories( new_categories:聯盟(pandas.core.indexes.base.Index,列表],命令:可選(bool]=沒有一個,重命名:bool=假,原地:bool=假 )→可選(pyspark.pandas.indexes.category.CategoricalIndex] ¶ -
將類別設置為指定的new_categories。
new_categories可以包括新類別(這將導致未使用的類別)或刪除舊的類別(導致值設置為NaN)。如果重命名= = True,簡單的類別將重命名(或多個物品比舊類別將導致值分別設置為南或未使用的類別)。
這種方法可以用來執行超過一個動作的添加、刪除和重新排序,同時,因此速度比執行單個步驟通過更專業的方法。
另一方麵這個方法不做檢查(例如,是否舊的類都包含在新的類別重新排序),這會導致驚人的變化,例如當使用特殊字符串dtypes,不考慮S1字符串等於一個char python字符串。
- 參數
-
- new_categories 將注釋
-
新秩序的類別。
- 命令 bool,默認的錯誤
-
定是否都被視為一個有序的分類。如果不是,不改變命令的信息。
- 重命名 bool,默認的錯誤
-
是否應該考慮new_categories作為重命名舊的類別或重新排序類別。
- 原地 bool,默認的錯誤
-
是否要重新排序分類的類別就地或返回一個複製和重新排序類別。
- 返回
-
- 如果原地CategoricalIndex重新排序類別或沒有。
- 提出了
-
- ValueError
-
如果new_categories不驗證類別
另請參閱
-
rename_categories -
重命名類別。
-
reorder_categories -
重新排序類別。
-
add_categories -
添加新類別。
-
remove_categories -
刪除指定的類別。
-
remove_unused_categories -
刪除未使用的類別。
例子
> > >idx=ps。CategoricalIndex(列表(“abbccc”))> > >idxCategoricalIndex ([' a ', ' b ', ' b ', ' c ', ' c ', ' c '],類別= [' a ', ' b ', ' c '],下令= False, dtype =“類別”)
> > >idx。set_categories([“b”,“c”])CategoricalIndex ([nan ' b ', ' b ', ' c ', ' c ', ' c '],類別= [' b ', ' c '],下令= False, dtype =“類別”)
> > >idx。set_categories([1,2,3),重命名=真正的)CategoricalIndex([1、2、2、3、3、3],類別=(1、2、3),命令= False, dtype =“類別”)
> > >idx。set_categories([1,2,3),重命名=真正的,命令=真正的)CategoricalIndex([1、2、2、3、3、3],類別=(1、2、3),命令= True, dtype =“類別”)