熊猫系列类别数据类型与熊猫分类数据类型之间的差异

Question

我遇到了这种令人惊讶的无法访问我期望的 CSV 中一列数据的codes属性，我正在通过 dtype 参数强制到类别类型以read_csv。

如果我运行以下代码

import pandas
csv_str = """c1,c2
a,1
b,2
a,3
c,4
a,5"""
df = pandas.read_csv( pandas.compat.StringIO( csv_str ) , dtype={'c1':'category'} )
print( "DataFramen{}".format( df ))
print( "nDataTypesn{}".format( df.dtypes ))
print( "nDataCodesn{}".format( pandas.Categorical( df['c1'] ).codes ))
# EXCEPTION
print( df['c1'].codes )

我得到以下控制台输出

DataFrame
  c1  c2
0  a   1
1  b   2
2  a   3
3  c   4
4  a   5
DataTypes
c1    category
c2       int64
dtype: object
DataCodes
[0 1 0 2 0]
Traceback (most recent call last):
  File "/Users/$USER/test.py", line 17, in <module>
    print( df['c1'].codes )
  File "/Users/$USER/Applications_User/anaconda2/lib/python2.7/site-packages/pandas/core/generic.py", line 4376, in __getattr__
    return object.__getattribute__(self, name)
AttributeError: 'Series' object has no attribute 'codes'

这里到底发生了什么，为什么我不能将属于类别类型的 c1 列视为分类？我想我在这里错过了一些微妙的点。熊猫类别值系列与熊猫分类数据类型有什么区别。

是否有直接访问类别值系列代码的替代途径？

Answer 1

> pd.Categorical 返回Categorical类型的对象：

c = pd.Categorical(df['c1'])
c
# [a, b, a, c, a]
# Categories (3, object): [a, b, c]
type(c)
pandas.core.arrays.categorical.Categorical

OTOH，df['c1']是categorical型Series。这意味着必须通过.cat访问器访问其分类属性和函数。

type(df['c1'])
# pandas.core.series.Series
df['c1'].cat.codes
0    0
1    1
2    0
3    2
4    0
dtype: int8