Python 类别数据类型的行为不符合预期

我在下面有熊猫（版本0.15.2）数据框。我想在创建

df

之后，使

code

列成为

category

类型的有序变量，如下所示

import pandas as pd
df = pd.DataFrame({'id' : range(1,9),
                    'code' : ['one', 'one', 'two', 'three',
                                'two', 'three', 'one', 'two'],
                    'amount' : np.random.randn(8)},  columns= ['id','code','amount'])

df.code = df.code.astype('category')
>> 0      one
>> 1      one
>> 2      two
>> 3    three
>> 4      two
>> 5    three
>> 6      one
>> 7      two
>> Name: code, dtype: category
>> Categories (3, object): [one < three < two]

甚至：

df.code.ordered
>> error: 'Series' object has no attribute 'ordered'
df.code.categories
>> error: 'Series' object has no attribute 'categories'

1）这太烦人了。我甚至无法获得我的

category

变量的类别（级别）。我是否做错了什么，或者web文档是否过时/不一致

---

2）另外，您是否知道类型

category

是否有距离概念，即熊猫是否知道根据上述顺序，

one

比

thire

更接近

two

？我计划将其用于（dis）相似性计算。

我认为您无法指定顺序，似乎给出了该选项，但尚未实现，请参阅

根据您所描述的内容，您正在寻找将

code

变量编码为顺序变量，而不是分类变量，这是一个简单的过程

如果您可以假设

“一”和
“二”之间的差异等于
“二”和
“三”之间的差异。我想你可以把它们编码成
int
s
（0,1,2,3…
）

如果使用，则有一个
这里有一个简短的示例，其中包含一个有序的分类变量，并且（对我来说）使用
rank（）
（作为一种距离度量）得到了一个令人惊讶的结果：

因此，
sort（）
按指定的顺序按预期工作。但是
rank（）
并不像我想象的那样，它按字典顺序排列，并忽略了分类变量的顺序

 df.sort('code').rank()

   code  num
0   1.5  1.5
3   1.5  1.5
1   4.0  3.0
2   3.0  4.0

所有这些都可能是一个较长的提问方式：也许你只是想要一个整数类型？我的意思是，你可以在排序后在这里构造某种距离函数，但最终这将比使用标准int或float做的工作要多得多（如果你看看
rank（）
如何处理有序的分类，可能会有问题）

编辑添加：上述部分内容可能不适用于pandas 15.2，但我相信您仍然可以这样做来指定顺序：

df['code'].cat.categories = ['one','two','three']

在15.2中默认情况下（据我所知），ordered将默认为True（但在16.0版本中为False），但顺序将是按字典顺序排列的，而不是按照构造函数中的指定。不过我不确定，而且我正在16.0中工作，因此您只需观察您的版本的行为。请记住，Category仍然是一个相当新的…
名称“Category”意味着没有排序。如果有排序，数据将是有序的，而不是分类的。这是我最初的想法，但如果你检查我包含的文档链接，你会发现它们实际上允许排序。是的，排序是有序的，但不是基数。因此“一”比“三”更接近“二”，但“二”不是将“1”的值加倍。是否确实不希望在此处仅使用整数？如果2实际上意味着2，则不希望使用分类变量。如果确实希望在此处使用分类变量，则“距离”的任何概念本质上都是基于排序的。是的，1-2只是（可能不好）我为论证而创建的示例。我需要序数变量。整数是序数的（在实践中）谢谢，绝对允许顺序规范。我对实现和语法更困惑。我使用的是熊猫版本0.15.2，您使用的是哪个版本？此语法在我的机器上不起作用：
df.cat.astype（'category'，categories=['one'，'two'，'three'，'ordered=True）
它抛出：
错误：astype（）得到了一个意外的关键字参数“categories”
。是的，我想是这样。我认为这只是令人失望的是，在这个阶段，
pd.Categorical
是多么的无益。我不确定它现在可以解决什么用例。它看起来在16.0中使用astype参数的功能是新的，但我非常确定您仍然可以在15.2.T中使用ordered他提到ordered是15年的默认值，现在unordered是默认值。不幸的是，0.15.2版本肯定无法识别
df.code.ordered
或
df.code.categories
。它只是在我的问题中抛出语法错误。我认为它必须是
df.cat.code.categories
。我想我可能是因为tally在“cat”中选择了一个非常糟糕的列名（我会更改它）。看起来您需要像“str”或“dt”一样使用“cat”。
 df.sort('code').rank()

   code  num
0   1.5  1.5
3   1.5  1.5
1   4.0  3.0
2   3.0  4.0

df['code'].cat.categories = ['one','two','three']