返回分类序列的类别标签

Question

我使用pandas提取数据集的类别，如以下代码所示：

data=pd.read_csv("iris.csv",header=None)
data[4]=data[4].astype("category")

当我打印数据[4]的值时，我得到了以下列表：

1         Setosa
2         Setosa
3         Setosa
4         Setosa
5         Setosa
6         Setosa
7         Setosa
...
149    Virginica
150    Virginica
Name: 4, Length: 150, dtype: category
Categories (3, object): [Setosa, Versicolor, Virginica]

但我想把这三个类别放在一个数组中，这样就有了：

[Setosa, Versicolor, Virginica]

我环顾四周，但找不到任何有用的东西。你知道吗

有什么帮助吗？你知道吗

Answer 1

data[4].cat.categories.values在这里可能比.unique()优越。你知道吗

看看https://pandas.pydata.org/pandas-docs/stable/categorical.html，“使用类别”。你知道吗

Note: The result of unique() is not always the same as Series.cat.categories, because Series.unique() has a couple of guarantees, namely that it returns categories in the order of appearance, and it only includes values that are actually present.

.cat.categories.values似乎快得多，因为我想上面列出的原因。你知道吗

示例：

import pandas as pd
import numpy as np

s = pd.Series(np.random.choice(['a', 'b', 'c'], 1000), dtype = "category")

% timeit a = s.unique()

# 303 µs ± 23.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

% timeit b = s.cat.categories.values

# 1.26 µs ± 27.9 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

print(s.cat.categories.values)

# ['a' 'b' 'c']

数据集的大小和其他需求可能会决定哪个更好。你知道吗