| unique(self) | Return the ``Categorical`` which ``categories`` and ``codes`` are | unique.

`unique(self)` is a method of the `Categorical` class in pandas library. It returns a new `Categorical` object containing only the unique categories and codes of the original `Categorical` object.

For example, consider a `Categorical` object with the following categories and codes:

categories = ['a', 'b', 'c', 'a']
codes = [0, 1, 2, 0]
cat = pd.Categorical(categories, codes)

Calling `unique()` on `cat` will return a new `Categorical` object with unique categories and codes:

pd.unique(cat)

Output:

['a', 'b', 'c']
Categories (3, object): ['a', 'b', 'c']

相关问题

torch.distributions.Categorical

torch.distributions.categorical是PyTorch中的一个概率分布模块，用于生成分类分布。

该模块包含了一个Categorical类，可以用来创建分类分布对象。分类分布用于生成从一组离散概率分布中选择的随机样本。Categorical类的构造函数需要一个1-D张量probs，其中每个元素都是该类别被选中的概率。可以使用这个类的sample()方法生成从这个分布中采样的值，或者使用log_prob()方法计算一个或多个给定值的对数概率。

例如，以下代码创建了一个包含3个类别的分类分布，其中第一个类别的概率为0.5，第二个和第三个类别的概率分别为0.25：

import torch

probs = torch.tensor([0.5, 0.25, 0.25])
categorical_dist = torch.distributions.categorical.Categorical(probs=probs)

可以使用sample()方法从分类分布中生成一个样本：

sample = categorical_dist.sample()

可以使用log_prob()方法计算样本的对数概率：

log_prob = categorical_dist.log_prob(sample)

这里的样本是一个从分类分布中随机生成的整数，它的值介于0和2之间，对应于分布中的三个类别。

torch.distributions.categorical

torch.distributions.categorical是PyTorch中的一个概率分布模块，用于生成分类分布。

该模块包含了一个Categorical类，可以用来创建分类分布对象。分类分布用于生成从一组离散概率分布中选择的随机样本。Categorical类的构造函数需要一个1-D张量probs，其中每个元素都是该类别被选中的概率。可以使用这个类的sample()方法生成从这个分布中采样的值，或者使用log_prob()方法计算一个或多个给定值的对数概率。

例如，以下代码创建了一个包含3个类别的分类分布，其中第一个类别的概率为0.5，第二个和第三个类别的概率分别为0.25：

import torch

probs = torch.tensor([0.5, 0.25, 0.25])
categorical_dist = torch.distributions.categorical.Categorical(probs=probs)

可以使用sample()方法从分类分布中生成一个样本：

sample = categorical_dist.sample()

可以使用log_prob()方法计算样本的对数概率：

log_prob = categorical_dist.log_prob(sample)

这里的样本是一个从分类分布中随机生成的整数，它的值介于0和2之间，对应于分布中的三个类别。