为什么 max() 不起作用，但 idxmax() 对 Pandas 中的“类别”dtype 起作用？

Question

为什么

max()

不起作用，但

idxmax()

在 Pandas 的“类别”数据类型上起作用？

import pandas as pd

s = pd.Series([1, 4, 3], index=['a', 'b', 'c'])
s = s.astype('category')

# print(s.max())  # it doesn't work.
# "you can use .as_ordered() to change the Categorical to an ordered one"

print(s.idxmax())

如果

s.max()

不起作用，那么

idxmax()

也不应该起作用似乎是合乎逻辑的！

我已阅读文档，但仍然不明白为什么

s.max()

不起作用，而

s.idxmax()

却起作用。

Answer 1

如果您查看文档：

与统计分类变量相比，分类数据可能有顺序（例如“强烈同意”与“同意”或“第一次观察”与“第二次观察”），但不可能进行数值运算（加法、除法……） .

max()

需要一种方法来比较值以确定最大值，而无序类别没有定义的比较顺序。

文档中的进一步内容，排序和顺序：

如果分类数据是有序的（

s.cat.ordered == True

），那么类别的顺序就有意义，并且可以进行某些操作。如果分类是无序的，

.min()/.max()

将引发

TypeError

。

这就是在您的系列上使用

s.max

时出现错误的原因。

为什么

idxmax

有效？

为此，我鼓励您阅读来源。这是关键部分：

if numeric_only:
    data = self._get_numeric_data()
else:
    data = self

res = data._reduce(
    nanops.nanargmax, "argmax", axis=axis, skipna=skipna, numeric_only=False
)

简而言之，

idxmax

依赖于分类数据的内码，因此无需对类别进行排序即可找到最大值的索引。

idxmax

返回第一次出现最大值的索引。因此，在您的系列中，它会找到最大值

4

，并返回该值的索引，即

b

。