您可以使用pd.CategoricalDtype将序列的数据类型更改为类别。
例如，你有这样的字符串dtype系列：

s = pd.Series(['a', 'a', 'b', 'b'])

字符串
和
s.dtype返回：

dtype('O')

型
现在，您可以使用以下命令创建分类dtype：

s_dtype = pd.api.types.CategoricalDtype(['b','a'], ordered=True)

型
然后，您可以使用pd.Series.astype以B < a的排序更改该数据。

s.astype(s_dtype).sort_values()

型
输出量：

2    b
3    b
0    a
1    a
dtype: category
Categories (2, object): ['b' < 'a']

型
在那里，

s = pd.Categorical(['a','b'],ordered=True)

型
是一个分类数组构造函数。

为了补充@Scott的答案，当你想在不同的对象之间维护一个公共的Categorical时，CategoricalDtype非常有用。
让我们考虑例如：

s1 = pd.Series(['a', 'a', 'b', 'b'])
s2 = pd.Series(['a', 'c', 'b', 'b'])

字符串
如果我们转换为泛型Categorical和concat，那么生成的Series福尔斯会返回到object，因为类别并不常见：

out1 = pd.concat([s1.astype('category'),
                  s2.astype('category')])

0    a
1    a
2    b
3    b
0    a
1    c
2    b
3    b
dtype: object

型
现在使用一个通用的CategoricalDtype确保在组合系列后保持此dtype：

cat = pd.CategoricalDtype(['a', 'b', 'c'])
out2 = pd.concat([s1.astype(cat),
                  s2.astype(cat)])

0    a
1    a
2    b
3    b
0    a
1    c
2    b
3    b
dtype: category
Categories (3, object): ['a', 'b', 'c']

型
其他示例：

cat = pd.CategoricalDtype(['a', 'b', 'c'], ordered=True)
out = s1.astype(cat) < s2.astype(cat)

0    False
1     True
2    False
3    False
dtype: bool

型