Категория as: Что обозначает отметка AS или MS возле категории В1 в водительских правах

«Перечень нормативных актов, относящих сведения к категории ограниченного доступа» (Материал подготовлен специалистами КонсультантПлюс) / КонсультантПлюс

Урагану «Ида» присвоена четвертая категория. Он ударит по Новому Орлеану через 16 лет после «Катрины»

Обновлено 29 августа 2021

Автор фото, National Weather Service

Ураган «Ида» уже ударил по Кубе и в воскресенье должен достичь побережья США

Американские власти предупреждают, что к Луизиане и другим американским штатам в Мексиканском заливе приближается ураган «Ида», который набирает силу и угрожает стать одним из самых разрушительных за последнее время.

Урагану присвоена четвертая категория, это второй по силе уровень урагана, скорость ветра в котором составляет до 240 км/час.

Ожидается, что ураган ударит по Новому Орлеану в воскресенье, то есть ровно через 16 лет после того, как из-за урагана «Катрина» крупнейший город Луизианы был почти полностью затоплен.

Мэр Нового Орлеана Латойя Кантрелл издала указ об обязательной эвакуации тех, кто живет в незащищенных плотинами частях города. Другие местные жители могут эвакуироваться по желанию. «Если вы хотите уехать, то делайте это прямо сейчас. Мы должны быть уверены, что вы находитесь в безопасном месте», — сказала при этом мэр.

Автор фото, EPA

На дорогах Луизианы образовались огромные пробки

В Новом Орлеане и других частях Луизианы эвакуироваться пришлось десяткам тысяч людей. На местных дорогах образовались огромные пробки, на некоторых автозаправочных станциях закончился бензин.

Автор фото, EPA

Жители Луизианы запасаются водой и бензином в ожидании удара урагана «Ида»

В Мексиканском заливе прекратили работу более 80 нефтяных вышек, местные нефтеперерабатывающие завода значительно сократили производство.

Метеорологи ожидают, что «Ида» достигнет американского побережья как крайне опасный ураган четвертой категории (из пяти возможных). Скорость ветра при этом может достигать 225 километров в час, ураган будет сопровождаться сильными дождями и значительным повышением уровня моря в прибрежных районах.

«Для тех, кто не успел подготовиться, этот шторм может иметь серьезные последствия для жизни», — цитирует агентство Ассошиэйтед пресс американского метеоролога Бенджамина Скотта.

После «Катрины»

Эксперты не исключают, что если ураган совпадет по времени с морским приливом, он может привести к прорыву плотин, как произошло во время удара «Катрины». Она пришла к побережью США как ураган третьей категории и 29 августа 2005 года привела к затоплению 80% территории Нового Орлеана, при этом погибли более 1,8 тыс. человек.

Автор фото, Getty Images

Последствия урагана «Катрина»: фото 29 августа 2005 года

После этого американские власти значительно укрепили плотины, построенные для защиты Нового Орлеана от наводнений.

Губернатор Луизианы Джон Бел Эдвардс объявил в штате чрезвычайное положение и в своем «Твиттере» предупредил, что местные жители «должны быть готовы ко всему». «Этот шторм приведет к серьезным последствиям по всему штату», — написал он.

В пятницу «Ида» ударила по западной части Кубы — в этот момент она оценивалась как шторм первой категории: скорость ветра составляла около 120 километров в час. Как сообщает кубинская газета Granma, шторм валил деревья и столбы линий электропередач, что приводило к массовым отключениям электричества.

Однако, как отмечает американское метеорологическое агентство, теплая погода в Мексиканском заливе помогает шторму набрать силу. «Ожидается, что в момент, когда он достигнет северного побережья Мексиканского залива, [«Ида»] превратится в мощный ураган», — сказано в сообщении Национального центра США по слежению за ураганами.

Ученые по-прежнему точно не знают, существует ли прямая связь между ураганами и глобальными изменениями климата. Однако известно, что повышение температуры моря приводит к разогреванию воздуха, а это дает ураганам, циклонам и тайфунам больше энергии. В результате более жаркая погода способствует усилению этих стихийных бедствий.

Морские операции

Морские операции – операции по транспортировке, сборке, стыковке и установке на точку эксплуатации морского нефтегазового сооружения и/или его частей (блоков, ярусов, колонн, модулей и др.), совершаемые на плаву или с использованием плавсредств, включающих в свой состав не менее 2-х из перечисленных этапов.

Типы морских операций:

• заводские операции на плаву – ограниченные в пространстве морские операции, совершаемые у достроечной набережной (пирса) или на заводской полностью защищенной акватории;
• неограниченные морские операции – неограниченные в пространстве операции на плаву, совершаемые в полузащищенной акватории или открытом море.

Категории морских операций в зависимости от уровня риска
 

Категория операции	Описание категории	Критерии отнесения
1	Простые операции.	Грузоподъемные и монтажные операции при весе поднимаемого объекта от 35 до 300 т.
2	Хорошо контролируемые операции или операции с низкой зависимостью от погодных условий.	Грузоподъемные и монтажные операции при весе поднимаемого объекта свыше 300 т в защищенной акватории. Спуск объекта на воду в защищенной акватории. Короткая буксировка. Транспортировка объекта на специализированном плавсредстве.
3	Сложные операции или операции особо чувствительные к погодным условиям.	Грузоподъемные и монтажные операции при весе поднимаемого объекта свыше 300 т в открытом море. Стыковка блоков на плаву. Накатка объекта на фиксированное или плавучее основание. Длительная буксировка. Спуск объекта на воду в открытом море. Установка на грунт опорного основания.
4	Операции с высокой степенью риска.	Дальняя океанская буксировка. Монтаж верхнего строения в сборе.

В зависимости от расчетной продолжительности морские операции подразделяются на:

• операции, не ограниченные по погодным условиям – продолжительностью свыше 72 часов;
• операции, ограниченные по погодным условиям – операции продолжительностью менее 72 часов.

Рассмотрение и одобрение проекта морской операции
Планы/проекты морских операций 1-й и 2-й категории рассматриваются и одобряются подразделениями Регистра без поручения Главного управления Регистра (ГУР).

Проекты морских операций 3-й и 4-й категории рассматриваются и одобряются ГУР или подразделением Регистра по поручению ГУР.

Заявки на рассмотрение проекта морской операции должны направляться в соответствующие подразделение Регистра или ГУР, в зависимости от категории операции.

Проекты морских операций должны одобряться без замечаний. Одобрение оформляется только после выполнения проектантом всех замечаний.

Инспектирование готовности к проведению морской операции и техническое наблюдение в ходе проведения морской операции.

Инспектирование готовности к проведению морской операции подтверждается оформлением соответствующих актов, свидетельств или Письма-заключения (в зависимости от категории морской операции).

Объем технического наблюдения в зависимости от категории морской операции
 

Категория операции	Рассмотрение плана / проекта операции	Техническое наблюдение за ходом проведения операции	Выдаваемые документы
1	Проверяется наличие плана операции	Проверяется назначение руководителя операции, имеющего необходимую квалификацию	Акт (форма 6. 3.29) (готовность к проведению операции)
2	Проверяется наличие и полнота плана и проекта операции. Одобряется проект буксировки	Проверяется наличие документов о готовности к проведению операции	Письмо-заключение; Акт (форма 6.3.29) (готовность к проведению операции)
3	Проверяется наличие и полнота плана и проекта операции. Одобряется Руководство и проект буксировки	Проверяется готовность к проведению операции. Контролируется проведение операции (кроме этапа буксировки/транспортировки)	Письмо-заключение; Акты (форма 6.3.29) (готовность к проведению операции; проведение операции)
4	Проверяется наличие и полнота плана и проекта морской операции. Одобряется проект морской операции	Контролируется подготовка и проведение морской операции на всех этапах (кроме этапа буксировки/транспортировки)	Письмо-заключение; Акты (форма 6. 3.29) (готовность к проведению морской операции; проведение морской операции)

Требования к названию товаров

Хобби и творчество	Пазл для малышей Step Puzzle Попугай Кеша	Пазл для малышей Попугай Кеша
	Пазл для малышей Step Puzzle Попугай Кеша	Step Puzzle Попугай Кеша
	Бумага для скрапбукинга Арт Узор Тёплые объятия, 20 х 21,5 см	Арт Узор Тёплые объятия, 20 х 21,5 см
	Настольная игра Tactic Games Original Alias Скажи иначе	Настольная игра Тактик Геймз Ориджинал Элиас Скажи иначе
	Настольная игра Hobby World День сырка	НАСТОЛЬНАЯ ИГРА Hobby World
	Конструктор LEGO DUPLO Super Heroes Marvel 10876 Приключения Человека-паука и Халка	LEGO DUPLO Super Heroes Marvel 10876
Ремонт и строительство	Смеситель РМС, с высоким поворотным изливом, чёрный, золотистый. SL122BL-017F	Чёрный смеситель РМС, с высоким поворотным изливом. SL122BL-017F
	Проволока медная «Glorex», 20 м х 0,4 мм, 62220155	62220155, Проволока медная «Glorex», 20 м х 0,4 мм
18+	Мастурбатор Tenga 3D Polygon, силикон, 20 см	004 Tenga 3D Polygon
	Стимулятор Satisfyer Partner Whale многофункциональный, для двоих, силикон, синий	Partner Whale Многофункциональный стимулятор для пар
	Плаг 4sexdream с прозрачным стразом, 2,8 х 4 см, силикон, чёрный	Плаг (пробка) 47120
	Анальные шарики Cosmo, силикон, розовый, 23 см	Анальные шарики Cosmo, CSM-23126, розовый, 23 см
	Маска на глаза Lux Fetish Peek-a-Boo Love Mask, леопардовая	Lux Fetish Маска на глаза PEEK-A-BOO LOVE MASK, леопардовая
Зоотовары	Наполнитель для кошачьего туалета Catsan впитывающий, 10 литров	Катсан наполнитель для кошачьего туалета впитывающий 10 литров
	Антисепт Део+ для кошек ВиСи Клозет с цитрусовым ароматом, поглотитель запаха, 500 мл	Антисепт с цитрусовым ароматом, поглотитель запаха, 500 мл
	Миска для животных Nobby Cat двойная, зелёный, 260 мл	Nobby Cat миска двойная, зелёный, 260 мл
	Мыло жидкое VEDA «Башмачок» для собак и кошек с эффектом защиты лап, 220 мл	МЫЛО ЖИДКОЕ VEDA «БАШМАЧОК» ДЛЯ СОБАК И КОШЕК С ЭФФЕКТОМ ЗАЩИТЫ ЛАП, 220 МЛ
Детям и мамам	Автокресло Siger Прайм IsoFix от 9 до 36 кг, серый	Siger автокресло Прайм IsoFix от 9 до 36 кг, серый
	Повязка для сна в машине Клювонос, белая	Белый повязка Клювонос для сна в машине
	Музыкальная игрушка Азбукварик «Веселушки. Лошадка»	Азбукварик Веселушки. Лошадка музыкальная игрушка
	Коляска-трость Baby Care Hola, коричневый	КОЛЯСКА-ТРОСТЬ BABY CARE HOLA, КОРИЧНЕВЫЙ
	Носочки для пупса Happy Valley «Оленёнок и клубничка», 2 пары	Носочки для пупса «Оленёнок и клубничка», 2 пары
	Подгузники Huggies Elite Soft до 5 кг (размер 1), 84 штуки	Huggies Elite Soft до 5 кг (размер 1), 84 штуки
Красота и здоровье	Mi&Ko Гидролат Ромашка	Гидролат Ромашка, Мико, 50 мл
	Touchbeauty Аппарат для чистки и массажа лица AS-0759A, белый	Набор для очищения кожи Touchbeauty AS-0759A, белый
Спорт и отдых	Палатка четырёхместная Trek Planet Vermont 3, синяя	Trek Planet синяя палатка, 4 места
	Протеин Strong клубничный казеиновый банка 4 кг	Клубничный протеин в банке 4 кг
	Надувной матрас Matras i30 200 х 200 см, синий	Matras i30 матрас надувной 200 х 200
Канцелярия	Кнопки силовые Berlingo, 50 шт.	Berlingo, 50 шт. кнопки силовые
	Папка на резинке Бюрократ Gems А4, светло-зелёный	Бюрократ Папка на резинке Gems А4, светло-зелёный
	Набор гелевых ручек Attache Harmony, 12 цветов	Атташе Хармони набор гелевых ручек 12 цветов
	Ластик Peleg Design Penball, 2 штуки	ЛАСТИК PELEG DESIGN PENBALL, 2 ШТУКИ
	Файл-вкладыш Бюрократ Премиум с универсальной перфорацией, 100 штук	Бюрократ Премиум с универсальной перфорацией, 100 штук
	Доска пробковая Magnetoplan с деревянной рамкой, 60 х 40 см	Доска пробковая с деревянной рамкой, 60 х 40 см
Дом → Мебель	Комод Боровичи К800, Венге	Комод К800, Венге
	Стеллаж Практик MS 150KD, Серый	Стеллаж Практик, Серый
	Комплект прихожей Боровичи Ника, Венге	Боровичи Ника, Венге
Продукты питания	Сушеный ананас Filipino Sun, 100 г	Filipino Sun Сушеный ананас, 100 г
	Напиток овсяный Nemoloko, обогащённый кальцием и витамином В2, 3,2%, 1 л	Обогащённый кальцием и витамином В2 напиток овсяный, 3,2%, 1 л, Nemoloko
	Молочная смесь Nuppi Gold № 3 со вкусом ванили, 12 штук по 350 г	МОЛОЧНАЯ СМЕСЬ NUPPI GOLD № 3 СО ВКУСОМ ВАНИЛИ, 12 ШТУК ПО 350 Г
	Соус Heinz Xtreme Tabasco суперострый, 10 мл	Heinz Xtreme Tabasco соус суперострый, 10 мл
	Творог Valio Deluxe со вкусом ирландского ликёра 3,6%, 140 г	Valio Deluxe со вкусом ирландского ликёра 3,6%, 140 г
	Вода Святой Источник природная питьевая негазированная, 5 л	Вода природная питьевая негазированная, 5 л
Аптека	Зубная паста R. O.C.S. Сенсационное отбеливание, 75 мл	Зубная паста РОКС 75 мл
	Ополаскиватель для полости рта Colgate Plax Свежесть чая, 500 мл	Colgate Плакс Ополаскиватель для полости рта, 500 мл
	Чаша менструальная LilaCup Атлас Премиум, синяя, L	LilaCup Атлас Премиум чаша менструальная, синяя
Печатные книги	Sapiens. Краткая история человечества	«Sapiens. Краткая история человечества». Юваль Н. Х. Мягкая обложка. Нехудожественная литература
	Цветик-семицветик. Умка (комплект из 2 книг)	Развивающие книжки «Цветик-семицветик», «Умка». Комплект 2 шт.

Категории значений: значения lvalue и rvalue (C++)

• Статья
• 12/01/2021
• Чтение занимает 2 мин

Оцените свои впечатления

Да Нет

Хотите оставить дополнительный отзыв?

Отзывы будут отправляться в корпорацию Майкрософт. Нажав кнопку «Отправить», вы разрешаете использовать свой отзыв для улучшения продуктов и служб Майкрософт. Политика конфиденциальности.

Отправить

Спасибо!

В этой статье

Каждое выражение C++ имеет тип и принадлежит к категории значений. Категории значений являются основанием для правил, которым должны следовать компиляторы при создании, копировании и перемещении временных объектов во время оценки выражений.

Стандарт C++ 17 определяет категории значений выражений следующим образом:

• Глвалуе — это выражение, вычисление которого определяет идентификатор объекта, битового поля или функции.
• Prvalue — это выражение, вычисление которого Инициализирует объект или битовое поле или выполняет вычисление значения операнда оператора, как указано в контексте, в котором он отображается.
• XValue — это глвалуе, который обозначает объект или битовое поле, ресурсы которого можно использовать повторно (обычно потому, что он находится ближе к концу своего времени существования). Пример. определенные типы выражений, включающие ссылки rvalue (8.3.2), выдают ксвалуес, например, вызов функции, тип возвращаемого значения которого является ссылкой rvalue или приведен к ссылочному типу rvalue.
• Lvalue — это глвалуе, который не является xValue.
• Rvalue — это prvalue или xValue.

На следующей схеме показаны связи между категориями.

Lvalue имеет адрес, к которому программа может получить доступ. Примерами выражений lvalue являются имена переменных, включая const переменные, элементы массива, вызовы функций, возвращающие ссылки lvalue, битовые поля, объединения и члены класса.

Выражение prvalue не имеет адреса, доступного вашей программой. Примерами выражений prvalue являются литералы, вызовы функций, возвращающие тип, не являющийся ссылочным, и временные объекты, которые создаются во время вычисления выражения, но доступны только компилятору.

Выражение xValue имеет адрес, который больше не доступен для вашей программы, но может использоваться для инициализации ссылки rvalue, которая предоставляет доступ к выражению. К примерам относятся вызовы функций, возвращающие ссылку rvalue, а также индексы массива, члена и указателя на элементы, где массив или объект является ссылкой rvalue.

Пример

В следующем примере показано несколько правильных и неправильных способов использования значений lvalue и rvalues.

// lvalues_and_rvalues2.cpp
int main()
{
    int i, j, *p;

    // Correct usage: the variable i is an lvalue and the literal 7 is a prvalue.
    i = 7;

    // Incorrect usage: The left operand must be an lvalue (C2106).`j * 4` is a prvalue.
    7 = i; // C2106
    j * 4 = 7; // C2106

    // Correct usage: the dereferenced pointer is an lvalue.
    *p = i;

    // Correct usage: the conditional operator returns an lvalue.
    ((i < 3) ? i : j) = 7;

    // Incorrect usage: the constant ci is a non-modifiable lvalue (C3892). 
    const int ci = 7;
    ci = 9; // C3892
}

Примечание

В примерах этого раздела показано правильное и неправильное использование при неперегруженных операторах. Перегрузив операторы, можно преобразовать выражение, такое как j * 4, в значение lvalue.

Термины lvalue и rvalue часто используются при ссылке на ссылки на объекты. Дополнительные сведения о ссылках см. в разделе декларатор ссылки lvalue: и декларатор ссылки Rvalue: .

См. также

Основные понятия
Декларатор ссылки lvalue:
Декларатор ссылки rvalue:

Управление данными приложения «Здоровье» на iPhone, iPod touch и Apple Watch

Вы можете настроить приложения и аксессуары для отправки данных в приложение «Здоровье», вводить данные самостоятельно и изменять приоритет данных из этих источников.

Добавление данных в приложение «Здоровье»

Приложение «Здоровье» автоматически считает ваши шаги, расстояния прогулок и пробежек. А если у вас есть часы Apple Watch, оно автоматически отслеживает все данные о вашей активности. Если вы уже пользуетесь другим приложением для отслеживания вашего самочувствия, попробуйте добавить сведения из этого приложения в «Здоровье», чтобы видеть всю информацию в одном месте. 

Внесение информации о состоянии своего здоровья

1. Откройте приложение «Здоровье» и перейдите на вкладку «Обзор». 
2. Нажмите категорию, например «Активность». 
3. Нажмите подкатегорию, например «Шаги».
4. Нажмите «Добавить данные» в верхнем правом углу.
5. Нажмите дату, время и данные для этого показателя.
6. По завершении ввода нажмите «Добавить».

Добавление информации из других приложений

1. Откройте приложение «Здоровье».
2. Нажмите фотографию профиля в правом верхнем углу . 
3. В разделе «Конфиденциальность» нажмите «Приложения». Здесь отображаются уже имеющиеся приложения, совместимые с приложением «Здоровье». Если приложения нет в списке, возможно, оно несовместимо. 
4. Нажмите приложение и включите категории здоровья, которые оно должно отслеживать.

Также вам может потребоваться открыть приложение и изменить его настройки, чтобы разрешить обмен данными с приложением «Здоровье».  

Поиск приложений, совместимых с приложением «Здоровье»

1. Откройте приложение «Здоровье» и перейдите на вкладку «Обзор».
2. Нажмите категорию, например «Сердце». 
3. Нажмите подкатегорию, например «Пульс».
4. Прокрутите экран вниз, чтобы увидеть рекомендованные для этой категории приложения. Нажмите нужное приложение, чтобы узнать о нем больше и загрузить его. 
5. Вернитесь к настройкам конфиденциальности в приложении «Здоровье», чтобы разрешить приложению считывать и записывать данные в приложении «Здоровье». 

Вы сами определяете, какие сведения отправляются в приложение «Здоровье» и какие приложения могут получать сведения из приложения «Здоровье». Приложения, у которых есть доступ к HealthKit, должны иметь политику конфиденциальности. Перед тем как предоставить приложению доступ к данным о вашем здоровье, ознакомьтесь с его политикой конфиденциальности.

Добавление информации с часов Apple Watch

• Для просмотра целей и данных о перемещении, упражнениях и разминке откройте приложение «Здоровье», выберите вкладку «Обзор» и нажмите «Активность».
  
• Чтобы просмотреть сведения о пульсе, откройте приложение «Здоровье», выберите вкладку «Обзор» и нажмите «Сердце». Дополнительные сведения о точности и ограничениях измерения пульса см. в этой статье.
• Для просмотра данных из приложения «Осознанность» откройте приложение «Здоровье», выберите вкладку «Обзор» и нажмите «Осознанность». Узнайте подробности о приложении «Осознанность».
• Другие приложения на часах Apple Watch также могут считывать и записывать данные в приложении «Здоровье». Управлять ими можно прямо на часах Apple Watch: перейдите в меню «Настройки» > «Здоровье» > «Программы». 

Если приложение «Здоровье» не отслеживает шаги или другие данные, выполните следующие действия.

1. Откройте приложение «Здоровье».
2. Выберите свой профиль  и нажмите «Устройства». 
3. Нажмите часы Apple Watch.
4. Выберите «Настройки конфиденциальности» и убедитесь, что параметр «Отслеживание фитнеса» включен.

Удаление введенной информации

Если при добавлении сведений о состоянии здоровья вы ввели неверные данные, запись можно удалить.

1. Откройте приложение «Здоровье» и перейдите на вкладку «Обзор». 
2. Нажмите категорию, например «Активность». 
3. Нажмите подкатегорию, например «Шаги».
4. Нажмите «Показать все данные», затем нажмите «Изменить» в правом верхнем углу.
5. Нажмите кнопку «Удалить» рядом с записью, которую требуется удалить. Вы также можете нажать «Удалить все», чтобы удалить все записи. 

Обработка данных из нескольких источников в приложении «Здоровье»

Приложение «Здоровье» собирает исходные данные из различных источников, например количество шагов с iPhone и данные об активности с Apple Watch, а затем упорядочивает их по источникам.  По умолчанию они приоритизируются следующим образом.

1. Данные о здоровье, которые были введены вручную.
2. Данные с iPhone, iPod touch и Apple Watch. 
3. Данные из приложений и с устройств Bluetooth.

При добавлении нового источника данных он появится над списком других приложений и устройств, которые передают сведения в приложение «Здоровье». Вы можете в любое время изменить порядок отображения источников. 

Просмотр источников данных

Чтобы узнать, какие устройства и приложения обновляют определенные категории данных в приложении «Здоровье», выполните следующие действия.

1. Откройте приложение «Здоровье» и перейдите на вкладку «Обзор». 
2. Нажмите категорию, например «Активность». Если не отображается категория, смахните вниз, чтобы открыть строку поиска, затем введите категорию.
3. Нажмите подкатегорию, например «Шаги».
4. Прокрутите экран вниз и выберите «Источники данных и доступ». Отобразятся только те источники, данные из которых соответствуют выбранному типу. 

Чтобы увидеть все источники данных в приложении «Здоровье», выполните следующие действия.

1. Откройте приложение «Здоровье». 
2. Нажмите фотографию профиля в правом верхнем углу . 
3. Прокрутите экран вниз до раздела «Конфиденциальность» и выберите «Приложения» или «Устройства».

Установка приоритета для источников данных

Для выбора источников, которые приложение «Здоровье» будет использовать в первую очередь, выполните следующие действия.

1. Откройте приложение «Здоровье» и перейдите на вкладку «Обзор».
2. Нажмите категорию, затем выберите подкатегорию.
3. Прокрутите экран вниз и выберите «Источники данных и доступ».
4. Нажмите «Править».
5. Нажмите и удерживайте кнопку изменения порядка  рядом с источником данных и переместите его выше или ниже в списке.  
6. Чтобы отключить источник данных и прекратить поступление данных соответствующей категории, нажмите флажок рядом с этим источником.
7. Нажмите «Готово».

Если из разных источников поступают данные одного и того же типа, то источник, расположенный выше в списке, будет иметь приоритет над теми, которые находятся ниже. По умолчанию все новые приложения или устройства автоматически добавляются в начало списка, выше iPhone или iPod touch. 

Резервное копирование данных приложения «Здоровье»

Данные приложения «Здоровье» хранятся в iCloud и шифруются при передаче между iCloud и вашим устройством, а также во время хранения в iCloud. Для сквозного шифрования требуется iOS 12 или более поздняя версия и двухфакторная аутентификация. Чтобы прекратить хранение данных приложения «Здоровье» в iCloud, выберите «Настройки» > [ваше имя] > iCloud и отключите «Здоровье».

Резервные копии медицинских данных с устройств, использующих функцию «Семейная настройка», также отправляются непосредственно в iCloud. Узнайте, как настроить Apple Watch для члена семьи.

Если вы не используете службу iCloud, то можете сохранить данные из приложения «Здоровье» в зашифрованных резервных копиях, сделанных на компьютере. 

Всеми данными, которые вы создали или собрали о себе, управляете только вы. Кроме того, они защищены паролем, когда iPhone заблокирован. 

Подробнее о функциях приложения «Здоровье»

Информация о продуктах, произведенных не компанией Apple, или о независимых веб-сайтах, неподконтрольных и не тестируемых компанией Apple, не носит рекомендательного или одобрительного характера. Компания Apple не несет никакой ответственности за выбор, функциональность и использование веб-сайтов или продукции сторонних производителей. Компания Apple также не несет ответственности за точность или достоверность данных, размещенных на веб-сайтах сторонних производителей. Обратитесь к поставщику за дополнительной информацией.

Дата публикации: 20 декабря 2021 г.

Страница Главного врача

ФИО:	НИКОЛЬСКИЙ Вячеслав Юрьевич
Стаж работы по специальности:	24 года
Должность:	главный врач, д. м.н., профессор
Дата приема на работу:	10.02.2015
Диплом:	Самарский государственный медицинский университет, 30.06.1995
Категория:	Высшая
Сертификат специалиста:	Действителен до 31.08.2022г.
Награды:	Почетная грамота Министерства здравоохранения РФ (приказ № 285-п от 15.06.2020 г.)
	Почетная грамота Правительства Севастополя (постановление № 360-ПП от 03.06.2019 г.)
	Благодарность Министерства здравоохранения РФ (приказ № 620-п от 19.06.2017 г.)
	Почетное звание «Заслуженный стоматолог» (Совет Стоматологической Ассоциации РФ, Постановление от 27.09.2016 г.)
ФИО:	МАКАРОВА Мария Юрьевна
Стаж работы по специальности:	9 лет
Должность:	заместитель главного врача по медицинской части, заведующий отделением – врач-стоматолог-терапевт
Дата приема на работу:	01. 06.2011
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 27.06.2008
Категория:	первая
Сертификат специалиста:	Действителен до 31.10.2022г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 24.09.2019 г.)
СТОМАТОЛОГИЧЕСКОЕ ОТДЕЛЕНИЕ № 1 ГБУЗС «СТОМПОЛИКЛИНИКА №1»
ФИО:	ЗЕМЛЯНСКАЯ Ирина Васильевна
Стаж работы по специальности:	30 лет
Должность:	заведующий лечебным отделением – врач-стоматолог-терапевт
Дата приема на работу:	02.07.2018
Диплом:	Крымский ордена Трудового Красного Знамени медицинский институт, 27. 06.1990
Категория:	высшая
Сертификат специалиста:	Действителен до 13.06.2023г.
Награды:	Орден СтАР «За заслуги перед стоматологией» II степени
	Медаль «Отличник стоматологии» ( Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017 г.)
ФИО:	Бабенкова Галина Александровна
Стаж работы по специальности:	15 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	11.03.2015
Диплом выдан:	Крымский государственный медицинский университет им. С.И. Георгиевского 25.06.2004
Категория:	первая
Сертификат специалиста:	Действителен до 11.10.2020г.
ФИО:	БАБИНСКИЙ Александр Геннадьевич
Стаж работы по специальности:
Должность:	врач-стоматолог
Дата приема на работу:	10. 03.2020
Диплом выдан:	Крымский государственный медицинский университет им. С.И. Георгиевского 07.06.2018 г.
Категория:
Сертификат специалиста:	Действителен до 06.07.2023г.
ФИО:	ВИНОГРАДОВА Наталья Викторовна
Стаж работы по специальности:	22 года
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	11.03.2015
Диплом выдан:	Воронежская государственная медицинская академия им. Н.Н. Бурденко, 30.06.1997
Категория:	высшая
Сертификат специалиста:	Действителен до 10.06.2022г.
Награды:	Благодарность Министерства здравоохранения РФ (приказ № 78-п от 11.03.2020 г.)
	Орден СтАР «За заслуги перед стоматологией» II степени
	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18. 04.2017)
ФИО:	ГЕРАСИНА Анна Сергеевна
Стаж работы по специальности:	23 года
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	01.10.2018
Диплом:	Крымский медицинский институт им. С.И. Георгиевского, 27.06.1997
Категория:	первая
Сертификат специалиста:	Действителен до 21.06.2021г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017)
ФИО:	ГРИНЬ Ксения Николаевна
Стаж работы по специальности:	11 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	07. 04.2014
Диплом выдан:	Крымский государственный медицинский университет им. С.И. Георгиевского, 26.06.2009
Категория:	первая
Сертификат специалиста:	Действителен до 14.11.2021г.
ФИО:	ДУБОВСКАЯ Юлия Александровна
Стаж работы по специальности:	20 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	29.07.2016
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 30.06.2000
Категория:	высшая
Сертификат специалиста:	Действителен до 17.05.2024г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 22.09.2020)
ФИО:	ЕРЕМИНА Виктория Витальевна
Стаж работы по специальности:	4 года
Должность:	врач-стоматолог
Дата приема на работу:	06. 08.2018
Диплом:	Национальный медицинский университет им. Богомольца, 26.06.2015
Категория:
Сертификат специалиста:	Действителен до 31.08.2021 г.
Награды:	Медаль «Отличник стоматологии»
ФИО:	ЗАХАРЦЕВА Мария Александровна
Стаж работы по специальности:
Должность:	врач-стоматолог
Дата приема на работу:	01.09.2021
Диплом:	Кубанский государственный медицинский университет, 04.07.2021
Категория:
Сертификат специалиста:
ФИО:	ЗИКРАЧ Оксана Николаевна
Стаж работы по специальности:	6 месяцев
Должность:	врач-стоматолог
Дата приема на работу:	01.04.2021
Диплом:	ФГАОУВО «Крымский федеральный университет имени В.И. Вернадского», 14.06.2018
Категория:
Сертификат специалиста:
ФИО:	КАРАГОЗЯН Анна Сергеевна
Стаж работы по специальности:	17 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	13.07.2018
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 27.06.2003
Категория:	первая
Сертификат специалиста:	Действителен до 25.11.2020г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 22.09.2020)
ФИО:	КИРИЧЕНКО Владислав Сергеевич
Стаж работы по специальности:	2 года
Должность:	врач-стоматолог
Дата приема на работу:	01.12.2020
Диплом:	ФГАОУ ВО «Крымский федеральный университет имени В.И. Вернадского», г. Симферополь, 14.06.2018
Категория:
Сертификат специалиста:	Действителен до 06.07.2023г.
ФИО:	МАЕВСКАЯ Лина Васильевна
Стаж работы по специальности:	23 года
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	11.03.2015
Диплом:	Донецкий национальный медицинский университет им. М. Горького, 30.06.1997
Категория:	высшая
Сертификат специалиста:	Действителен до 10.06.2022г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017 г.)
ФИО:	НЕГОДА Светлана Витальевна
Стаж работы по специальности:	3 года
Должность:	врач-стоматолог
Дата приема на работу:	09.04.2018
Диплом:	ФГАОУВО «Крымский федеральный университет им. В.И. Вернадского» Медицинская академия им. С.И. Георгиевского, 26.06.2015
Категория:
Сертификат специалиста:	Действителен до 31.08.2021г.
ФИО:	НИКИТЮК Екатерина Игоревна
Стаж работы по специальности:	1 год
Должность:	врач-стоматолог
Дата приема на работу:	16.10.2018
Диплом:	ФГАОУВО «Крымский федеральный университет им. В.И. Вернадского» Медицинская академия им. С.И. Георгиевского, 14.06.2018
Категория:
Сертификат специалиста:	Действителен до 06.07.2023г.
ФИО:	НОСОВА Ольга Владимировна
Стаж работы по специальности:	21 год
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	14.06.2018
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 30.06.1999
Категория:	первая
Сертификат специалиста:	Действителен до 06.10.2020г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 24.09.2019 г.)
ФИО:	ПАШКОВСКАЯ Ольга Александровна
Стаж работы по специальности:	10 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	01.07.2010
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 27.06.2008
Категория:	первая
Сертификат специалиста:	Действителен до 15.12.2022г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 22.09.2020 г.)
ФИО:	ПЛОТНИЦКАЯ-КАНАХ Алина Станиславовна
Стаж работы по специальности:	35 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	10.05.2016
Диплом:	Харьковский медицинский институт, 29.06.1985
Категория:	первая
Сертификат специалиста:	Действителен до 03.04.2025г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 22.09.2020 г.)
ФИО:	ПРЯНИШНИКОВА Яна Сергеевна
Стаж работы по специальности:	4 года
Должность:	врач-стоматолог
Дата приема на работу:	01.11.2018
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 21.06.2013
Категория:	вторая
Сертификат специалиста:	Действителен до 03.04.2025г.
ФИО:	СЕЙДАЛИЕВА Айше Серверовна
Стаж работы по специальности:	2 года
Должность:	врач-стоматолог
Дата приема на работу:	07.05.2018
Диплом:	ФГАОУВО «Крымский федеральный университет им. В.И. Вернадского» Медицинская академия им. С.И. Георгиевского, 24.06.2016
Категория:
Сертификат специалиста:	Действителен до 11.07.2021г.
Награды:	Медаль «Отличник стоматологии»
ФИО:	СЕЙДАЛИЕВА Фериде Серверовна
Стаж работы по специальности:
Должность:	врач-стоматолог
Дата приема на работу:	01.09.2020 г.
Диплом:	ФГАОУВО «Крымский федеральный университет им. В.И. Вернадского» Медицинская академия им. С.И. Георгиевского, 24.06.2016
Категория:
Сертификат специалиста:
ФИО:	СТЕПАНОВА Вера Владимировна
Стаж работы по специальности:	10 лет
Должность:	врач-стоматолог
Дата приема на работу:	01.07.2016 г.
Диплом:	Донецкий национальный медицинский университет им. М. Горького, 19.06.2008г
Категория:
Сертификат специалиста:
ФИО:	ТАРАН Ирина Ивановна
Стаж работы по специальности:	28 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	01.08.2019г.
Диплом:	Крымский ордена Трудового Красного Знамени медицинский институт, 26.06.1992
Категория:	первая
Сертификат специалиста:	Действителен до 20.03.2024г.
ФИО:	ШАБОЛТА Артём Дмитриевич
Стаж работы по специальности:
Должность:	врач-стоматолог
Дата приема на работу:	16.07.2020г.
Диплом:	ФГАОУВО «Крымский федеральный университет им. В.И. Вернадского» г. Симферополь, 14.06.2018
Категория:
Сертификат специалиста:	Действителен до 06.07.2023г.
ФИО:	КИТАРОВА Ольга Владимировна
Стаж работы по специальности:	23 года
Должность:	заведующий отделением — врач-стоматолог-хирург
Дата приема на работу:	01.11.2018
Диплом:	Западно-Казахстанская государственная медицинская академия им. Марата Оспанова, 16.06.2004
Категория:	вторая
Сертификат специалиста:	Действителен до 27.12.2021г.
ФИО:	ЗАДОРОЖНОВА Елена Анатольевна
Стаж работы по специальности:	24 года
Должность:	врач-стоматолог-хирург
Дата приема на работу:	14.02.2020
Диплом:	Архангельская государственная медицинская академия, 1995 г.
Категория:	первая
Сертификат специалиста:	Действителен до 14.12.2021г.
ФИО:	Жуков Алексей Васильевич
Стаж работы по специальности:	9 лет
Должность:	врач-стоматолог-хирург
Дата приема на работу:	01.06.2021г.
Диплом:	Кубанский государственный медицинский университет, 26.06.2009
Категория:
Сертификат специалиста:	Действителен до 28.02.2022г.
ФИО:	ПАШКОВСКИЙ Андрей Романович
Стаж работы по специальности:	13 лет
Должность:	врач-стоматолог-хирург
Дата приема на работу:	28.07.2015
Диплом:	Ивано-Франковская государственная медицинская академия, 19.06.2004
Категория:	первая
Сертификат специалиста:	Действителен до 22.02.2023г.
Награды:	Медаль «Отличник стоматологии»
ФИО:	РАФИКОВА Екатерина Равильевна
Стаж работы по специальности:	17 лет
Должность:	врач-стоматолог-хирург
Дата приема на работу:	02.11.2020
Диплом:	Астраханская государственная медицинская академия, 26.06.1999 г.
Категория:	первая
Сертификат специалиста:	Действителен до 18.02.2025г.
ФИО:	САЛЬНЫЙ Дмитрий Валерьевич
Стаж работы по специальности:	3 мес.
Должность:	врач-стоматолог-хирург
Дата приема на работу:	18.11.2021
Диплом:
Категория:
Сертификат специалиста:
ФИО:	ТИМОШЕНКО Илья Иванович
Стаж работы по специальности:
Должность:	врач-стоматолог-хирург
Дата приема на работу:	08.11.2021
Диплом:	ФГАОУВО «Крымский федеральный университет имени Вернадского «, 12.07.2019
Категория:
Сертификат специалиста:	Действителен до 22.02.2023г.
ФИО:	ШАЛАТОНОВА Татьяна Васильевна
Стаж работы по специальности:	21 год
Должность:	врач-стоматолог-хирург
Дата приема на работу:	29.07.2016
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 30.06.1999
Категория:	первая
Сертификат специалиста:	Действителен до 06.10.2020г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017 г.)
ФИО:	НИКОЛЬСКИЙ Вячеслав Юрьевич
Стаж работы по специальности:	24 года
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	06.07.2015
Диплом:	Самарский государственный медицинский университет, 30.06.1995
Категория:	высшая
Сертификат специалиста:	Действителен до 14.10.2024 г.
Награды:	Почетная грамота Министерства здравоохранения РФ (приказ № 285-п от 15.06.2020 г.)
Награды:	Почетная грамота Правительства Севастополя (постановление № 360-ПП от 03.06.2019 г.)
	Благодарность Министерства здравоохранения РФ (приказ № 620-п от 19.06.2017 г.)
	Почетное звание «Заслуженный стоматолог» (Совет Стоматологической Ассоциации РФ, Постановление от 27.09.2016 г.)
ФИО:	БОНДАРЕНКО Дмитрий Владиславович
Стаж работы по специальности:	19 лет
Должность:	заведующий отделением ортопедической стоматологии — врач-стоматолог-ортопед
Дата приема на работу:	23.06.2015
Диплом выдан:	Крымский государственный медицинский университет им. С.И. Георгиевского, 27.06.2001
Категория:	первая
Сертификат специалиста:	Действителен до 16.10.2022г.
Награды:	Орден СтАР «За заслуги перед стоматологией» II степени
	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017)
ФИО:	ГУМЕНЮК Игорь Евгеньевич
Стаж работы по специальности:	5 лет
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	01.07.2016
Диплом:	ООО Львовский медицинский институт, 21.06.2014
Категория:	Вторая
Сертификат специалиста:	Действителен до 280.03.2025г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 22.09.2020)
ФИО:	ИЗЮМЕНКО Виктория Анатольевна
Стаж работы по специальности:	17 лет
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	01.04.2021
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 27.06.2003
Категория:
Сертификат специалиста:	Действителен до 22.11.2024г.
ФИО:	КОГУТ Ирина Владимировна
Стаж работы по специальности:	26 лет
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	04.09.2018
Диплом:	Крымский ордена Трудового Красного Знамени медицинский институт, 24.06.1994
Категория:	вторая
Сертификат специалиста:	Действителен до 28.09.2025г.
Награды:	Медаль «Отличник стоматологии»
ФИО:	КСЁНДЗЫК Валерий Николаевич
Стаж работы по специальности:	19 лет
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	03.06.2019
Диплом:	Военно-медицинская академия имени С.М. Кирова, 23.06.1993
Категория:	Первая
Сертификат специалиста:	Действителен до 30.12.2025г.
Награды:	Медаль «Отличник стоматологии»
ФИО:	МАЕВСКАЯ Лина Васильевна
Стаж работы по специальности:	23 года
Должность:	ортодонт
Дата приема на работу:	30.09.2016
Диплом:	Донецкий национальный медицинский университет им. М. Горького, 30.06.1997
Категория:	высшая
Сертификат специалиста:	Действителен до 20.12.2025г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017 г.)
ФИО:	ЛАРИНА Лариса Николаевна
Стаж работы по специальности:	32 года
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	09.09.2019
Диплом:	Крымский ордена Трудового Красного Знамени медицинский институт, 27.06.1988г.
Категория:	первая
Сертификат специалиста:	Действителен до 08.04.2024г.
Награды:	Медаль «Отличник стоматологии»
ФИО:	МАТКОВСКИЙ Илья Васильевич
Стаж работы по специальности:	19 лет 5 мес
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	01.07.2021г.
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 27.06.2001г.
Категория:
Сертификат специалиста:	Действителен до 29.10.2022г.
СТОМАТОЛОГИЧЕСКОЕ ОТДЕЛЕНИЕ № 2 ГБУЗС «СТОМПОЛИКЛИНИКА №1»
ФИО:	БОГДАН Елена Евгеньевна
Стаж работы по специальности:	20 лет
Должность:	заведующий лечебным отделением — врач-стоматолог-терапевт
Дата приема на работу:	01.11.2016
Диплом выдан:	Крымский государственный медицинский университет им. С.И. Георгиевского, 30.06.2000
Категория:	первая
Сертификат специалиста:	Действителен до 21.06.2021г.
Награды:	Орден СтАР «За заслуги перед стоматологией» II степени
	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017)
ФИО:	БОНДАРЕВА Елена Валерьевна
Стаж работы по специальности:	15 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	01.11.2016
Диплом:	Белорусский государственный медицинский университет, 24.06.2004
Категория:	вторая
Сертификат специалиста:	Действителен до 28.02.2025г.
ФИО:	САЛЬНАЯ Влада Сергеевна
Стаж работы по специальности:
Должность:	врач-стоматолог
Дата приема на работу:	01.11.2020 г.
Диплом:	ФГАОУ ВО «Крымский федеральный университет им. В.И. Вернадского» г. Симферополь, 14.06.2018 г.
Категория:
Сертификат специалиста:	06.07.2023 г.
ФИО:	Гридасова Екатерина Юрьевна
Стаж работы по специальности:	5 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	01.11.2016
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 21.06.2013
Категория:
Сертификат специалиста:	Действителен до 10.02.2021г.
ФИО:	СМАИЛОВА Диляра Шевкетовна
Стаж работы по специальности:	4 года
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	01.11.2016
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 20.06.2014
Категория:	Вторая
Сертификат специалиста:	Действителен до 03.04.2025г.
ФИО:	ЦАГЕЛЬНИК Кристина Олеговна
Стаж работы по специальности:	3 года
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	03.10.2017
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 31.05.2012
Категория:	Вторая
Сертификат специалиста:	Действителен до 23.12.2021г.
ФИО:	Шумекина Наталия Николаевна
Стаж работы по специальности:	10 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	01.04.2019
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 27.06.2008
Категория:	первая
Сертификат специалиста:	Действителен до 28.02.2025г.
ФИО:	ЮРЧЕНКО Екатерина Юрьевна
Стаж работы по специальности:	13 лет
Должность:	врач-стоматолог-терапевт
Дата приема на работу:	01.11.2016
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 22.06.2007
Категория:	вторая
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 22.09.2020 г.)
ФИО:	ТКАЧЕВА Виолетта Олеговна
Стаж работы по специальности:	5 лет
Должность:	врач-стоматолог-хирург
Дата приема на работу:	03.02.2020г
Диплом:	Крымский государственный медицинский университет им. С.И. Георгиевского, 21.06.2013
Категория:	вторая
Сертификат специалиста:	Действителен до 31.12.2020г.
ФИО:	СМАИЛОВ Руслан Скендерович
Стаж работы по специальности:	30 лет
Должность:	врач-стоматолог-хирург
Дата приема на работу:	01.11.2016
Диплом:	Ташкентский ордена Трудового Красного Знамени государственный медицинский институт, 01.07.1988
Категория:
Сертификат специалиста:	Действителен до 28.02.2025г.
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017 г.)
ФИО:	КУШНИР Татьяна Иллиодоровна
Стаж работы по специальности:	34 года
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	01.11.2016
Диплом:	Калининский государственный медицинский институт, 28.06.1985
Сертификат специалиста:	Действителен до 28.09.2025г.
Категория:	Первая
Награды:	Медаль «Отличник стоматологии» (Совет Стоматологической Ассоциации РФ, Постановление от 18.04.2017)
ФИО:	Панова Владлена Петровна
Стаж работы по специальности:	9 лет
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	01.03.2017
Диплом:	Алтайский государственный медицинский университет, 16.06.2011
Сертификат специалиста:	Действителен до 29.06.2023г.
Категория:	вторая
ФИО:	Сычева Оксана Сергеевна
Стаж работы по специальности:	23 года
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	05.02.2019
Диплом:	Государственное учреждение высшего профессионального образования «Архангельская государственная медицинская академия», 22.06.1996
Категория:	Вторая
Сертификат специалиста:	Действителен до 14.10.2024 г.
ФИО:	Черезова Александра Андреевна
Стаж работы по специальности:	9 лет
Должность:	врач-стоматолог-ортопед
Дата приема на работу:	03.06.2019
Диплом:	Ижевская государственная медицинская академия, 22.06.2010
Категория:	Вторая
Сертификат специалиста:	Действителен до 30.01.2022г.
Награды:	Медаль «Отличник стоматологии»

Категориальные данные — документация pandas 1.3.5

Это введение в категориальный тип данных pandas, включая краткое сравнение с коэффициентом R .

Категории — это тип данных pandas, соответствующий категориальным переменным в статистика. Категориальная переменная принимает ограниченное и обычно фиксированное значение. количество возможных значений ( категорий ; уровней в R). Примеры: пол, социальный класс, группа крови, принадлежность к стране, время наблюдения или рейтинг через Весы Лайкерта.

В отличие от статистических категориальных переменных, категориальные данные могут иметь порядок (например, «Полностью согласен» против «согласен» или «первое наблюдение» против «второго наблюдения»), но числовые операции (добавления, разделения,…) невозможны.

Все значения категориальных данных относятся к категориям или np.nan . Порядок определяется порядок категорий , а не лексический порядок значений. Внутренне структура данных состоит из категорий массива и целочисленного массива кодов , которые указывают на реальное значение в массив категорий .

Категориальный тип данных полезен в следующих случаях:

• Строковая переменная, состоящая всего из нескольких различных значений. Преобразование такой строки в категориальную переменную сэкономит память, см. здесь.

• Лексический порядок переменной не совпадает с логическим порядком («один», «два», «три»). Преобразовав в категориальный и указав порядок по категориям, сортировку и min / max будет использовать логический порядок вместо лексического, см. здесь.

• Как сигнал другим библиотекам Python, что этот столбец следует рассматривать как категориальный переменная (например, для использования подходящих статистических методов или типов графиков).

См. Также документацию API по категориям.

Создание объекта

Создание серии

Категориальный Series или столбцы в DataFrame можно создать несколькими способами:

Путем указания dtype = "category" при создании Series :

 В [1]: s = pd.Серии (["a", "b", "c", "a"], dtype = "category")

В [2]: s
Из [2]:
0 а
1 б
2 с
3 а
dtype: категория
Категории (3, объект): ['a', 'b', 'c']
 

Путем преобразования существующей серии или столбца в категорию dtype:

 В [3]: df = pd.DataFrame ({"A": ["a", "b", "c", "a"]})

В [4]: ​​df ["B"] = df ["A"]. Astype ("категория")

В [5]: df
Из [5]:
   А Б
0 а а
1 б б
2 c c
3 а а
 

Используя специальные функции, такие как cut () , которые группируют данные в дискретные бункеры.См. Пример тайлинга в документации.

 В [6]: df = pd.DataFrame ({"значение": np.random.randint (0, 100, 20)})

В [7]: labels = ["{0} - {1}". Format (i, i + 9) for i in range (0, 100, 10)]

В [8]: df ["group"] = pd.cut (df.value, range (0, 105, 10), right = False, labels = labels)

В [9]: df.head (10)
Из [9]:
   группа значений
0 65 60 - 69
1 49 40–49
2 56 50–59
3 43 40–49
4 43 40–49
5 91 90–99
6 32 30 - 39
7 87 80 - 89
8 36 30 - 39
9 8 0–9
 

Пройдя мимо панд.Отнесите объект к категории Series или назначьте его DataFrame .

 В [10]: raw_cat = pd.Categorical (
   ....: ["a", "b", "c", "a"], Categories = ["b", "c", "d"], orders = False
   ....:)
   ....:

В [11]: s = pd.Series (raw_cat)

В [12]: s
Из [12]:
0 NaN
1 б
2 с
3 NaN
dtype: категория
Категории (3, объект): ['b', 'c', 'd']

В [13]: df = pd.DataFrame ({"A": ["a", "b", "c", "a"]})

В [14]: df ["B"] = raw_cat

В [15]: df
Из [15]:
   А Б
0 а NaN
1 б б
2 c c
3 а NaN
 

Категориальные данные имеют особую категорию dtype:

 В [16]: df.dtypes
Из [16]:
Объект
Категория B
dtype: объект
 

Создание DataFrame

Подобно предыдущему разделу, где один столбец был преобразован в категориальный, все столбцы в DataFrame можно пакетно преобразовать в категориальный как во время, так и после построения.

Это можно сделать во время построения, указав dtype = "category" в конструкторе DataFrame :

 В [17]: df = pd.DataFrame ({"A": список ("abca"), "B": список ("bccd")}, dtype = "category")

В [18]: df.dtypes
Из [18]:
Категория
Категория B
dtype: объект
 

Обратите внимание, что категории, представленные в каждом столбце, различаются; преобразование выполняется столбец за столбцом, поэтому только метки, присутствующие в данном столбце, являются категориями:

 В [19]: df ["A"]
Из [19]:
0 а
1 б
2 с
3 а
Имя: A, d тип: категория
Категории (3, объект): ['a', 'b', 'c']

В [20]: df ["B"]
Из [20]:
0 б
1 с
2 с
3 дн.
Имя: B, d тип: категория
Категории (3, объект): ['b', 'c', 'd']
 

Аналогично, все столбцы в существующем DataFrame могут быть преобразованы в пакетном режиме с использованием DataFrame.astype () :

 В [21]: df = pd.DataFrame ({"A": список ("abca"), "B": список ("bccd")})

В [22]: df_cat = df.astype ("категория")

В [23]: df_cat.dtypes
Из [23]:
Категория
Категория B
dtype: объект
 

Это преобразование также выполняется столбец за столбцом:

 В [24]: df_cat ["A"]
Из [24]:
0 а
1 б
2 с
3 а
Имя: A, d тип: категория
Категории (3, объект): ['a', 'b', 'c']

В [25]: df_cat ["B"]
Из [25]:
0 б
1 с
2 с
3 дн.
Имя: B, d тип: категория
Категории (3, объект): ['b', 'c', 'd']
 

Управляющее поведение

В приведенных выше примерах, где мы передали dtype = 'category' , мы использовали значение по умолчанию поведение:

1. Категории выводятся на основе данных.

2. Категории неупорядочены.

Чтобы управлять этим поведением, вместо передачи 'category' используйте экземпляр из Категориальный тип .

 В [26]: из pandas.api.types импортировать КатегориальныйДтип

В [27]: s = pd.Series (["a", "b", "c", "a"])

В [28]: cat_type = CategoryDtype (категории = ["b", "c", "d"], заказанный = True)

В [29]: s_cat = s.astype (cat_type)

В [30]: s_cat
Из [30]:
0 NaN
1 б
2 с
3 NaN
dtype: категория
Категории (3, объект): ['b' <'c' <'d']
 

Аналогичным образом, CategoryDtype может использоваться с DataFrame , чтобы гарантировать, что категории согласованы между всеми столбцами.

 В [31]: из pandas.api.types импортировать КатегориальныйДтип

В [32]: df = pd.DataFrame ({"A": список ("abca"), "B": список ("bccd")})

В [33]: cat_type = Категориальный тип (категории = список ("abcd"), упорядоченный = Истина)

В [34]: df_cat = df.astype (cat_type)

В [35]: df_cat ["A"]
Из [35]:
0 а
1 б
2 с
3 а
Имя: A, d тип: категория
Категории (4, объект): ['a' <'b' <'c' <'d']

В [36]: df_cat ["B"]
Из [36]:
0 б
1 с
2 с
3 дн.
Имя: B, d тип: категория
Категории (4, объект): ['a' <'b' <'c' <'d']
 

Примечание

Для выполнения табличного преобразования, где все метки во всем DataFrame используются как категорий для каждого столбца, параметр категорий может быть определен программно с помощью категорий = pd.уникальный (df.to_numpy (). ravel ()) .

Если у вас уже есть коды и категории , вы можете использовать from_codes () конструктор для сохранения шага факторизации в обычном режиме конструктора:

 В [37]: splitter = np.random.choice ([0, 1], 5, p = [0,5, 0,5])

В [38]: s = pd.Series (pd.Categorical.from_codes (splitter, Categories = ["train", "test"]))
 

Восстановление исходных данных

Чтобы вернуться к исходному массиву Series или NumPy, используйте серии.astype (исходный_дтип) или np.asarray (категориальный) :

 В [39]: s = pd.Series (["a", "b", "c", "a"])

В [40]: s
Из [40]:
0 а
1 б
2 с
3 а
dtype: объект

В [41]: s2 = s.astype ("категория")

В [42]: s2
Из [42]:
0 а
1 б
2 с
3 а
dtype: категория
Категории (3, объект): ['a', 'b', 'c']

В [43]: s2.astype (str)
Из [43]:
0 а
1 б
2 с
3 а
dtype: объект

В [44]: np.asarray (s2)
Out [44]: array (['a', 'b', 'c', 'a'], dtype = объект)
 

Примечание

В отличие от функции R фактор , категориальные данные не преобразуют входные значения в струны; категории будут иметь тот же тип данных, что и исходные значения.

Примечание

В отличие от функции R фактор , в настоящее время нет возможности назначать / изменять метки на время создания. Используйте категории , чтобы изменить категории после создания.

Категориальный тип

Тип категории полностью описывается

1. категории : последовательность уникальных значений и отсутствие пропущенных значений

2. заказано : логическое

Эта информация может храниться в CategoryDtype .Аргумент категорий является необязательным, что означает, что фактические категории следует выводить из того, что присутствует в данных, когда панды. Создана категория . Категории считаются неупорядоченными. по умолчанию.

 В [45]: из pandas.api.types импортировать КатегориальныйДтип

В [46]: CategoryDtype (["a", "b", "c"])
Выход [46]: КатегориальныйDтип (категории = ['a', 'b', 'c'], упорядоченный = False)

В [47]: CategoryDtype (["a", "b", "c"], упорядоченный = True)
Выход [47]: КатегориальныйDтип (категории = ['a', 'b', 'c'], упорядоченный = True)

В [48]: CategoryDtype ()
Выход [48]: Категориальный тип (категории = Нет, упорядоченный = Ложь)
 

A CategoryDtype можно использовать в любом месте, панда ожидает dtype .Например pandas.read_csv () , pandas.DataFrame.astype () , или в конструкторе Series .

Примечание

Для удобства вы можете использовать строку 'category' вместо CategoryDtype , если требуется поведение по умолчанию для категории неупорядочены и равны установленным значениям, присутствующим в множество. Другими словами, dtype = 'category' эквивалентно dtype = CategoryDtype () .

Семантика равенства

Два экземпляра CategoryDtype сравнивают равные всякий раз, когда они имеют одинаковые категории и порядок.При сравнении двух неупорядоченные категории, порядок категорий не рассматривается.

 В [49]: c1 = CategoryDtype (["a", "b", "c"], заказанный = False)

# Равно, поскольку заказ не учитывается при заказе = False
В [50]: c1 == CategoryDtype (["b", "c", "a"], order = False)
Out [50]: Верно

# Неравно, так как второй тип CategoryDtype упорядочен
В [51]: c1 == CategoryDtype (["a", "b", "c"], упорядоченный = True)
Out [51]: ложь
 

Все экземпляры CategoryDtype сравниваются со строкой 'category' .

 В [52]: c1 == "категория"
Out [52]: Верно
 

Предупреждение

Поскольку dtype = 'category' по существу CategoryDtype (None, False) , и поскольку все экземпляры CategoryDtype сравниваются с 'category' , все экземпляры CategoryDtype сравниваются как CategoryDtype (None, False) , независимо от категорий или заказал .

Описание

Использование describe () для категориальных данных даст аналогичные вывод в Series или DataFrame типа string .

 В [53]: cat = pd.Categorical (["a", "c", "c", np.nan], Categories = ["b", "a", "c"])

В [54]: df = pd.DataFrame ({"cat": cat, "s": ["a", "c", "c", np.nan]})

В [55]: df.describe ()
Из [55]:
       кошка с
счет 3 3
уникальный 2 2
верх c c
частота 2 2

В [56]: df ["кот"]. Описать ()
Из [56]:
считать 3
уникальный 2
верх c
частота 2
Имя: кот, dtype: объект
 

Работа с категориями

Категориальные данные имеют категорий и упорядоченных свойств, в которых перечислены их возможные значения и имеет ли значение порядок.Эти свойства выставлены как s.cat. категории и s.cat. заказаны . Если вы не сделаете это вручную укажите категории и порядок, они выводятся из переданных аргументов.

 В [57]: s = pd.Series (["a", "b", "c", "a"], dtype = "category")

В [58]: s.cat.categories
Out [58]: Index (['a', 'b', 'c'], dtype = 'object')

В [59]: s.cat.ordered
Out [59]: ложь
 

Также можно переходить по категориям в определенном порядке:

 В [60]: s = pd.Series (pd.Категориальный ([«a», «b», «c», «a»], Categories = [«c», «b», «a»]))

В [61]: s.cat.categories
Out [61]: Индекс (['c', 'b', 'a'], dtype = 'object')

В [62]: s.cat.ordered
Out [62]: ложь
 

Примечание

Новые категориальные данные не упорядочиваются автоматически. Вы должны явно pass orders = True для обозначения упорядоченного Категориального .

Примечание

Результат unique () не всегда совпадает с результатом Series.cat.categories , потому что серии.unique () имеет несколько гарантий, а именно то, что он возвращает категории в порядке появления, и он включает только те значения, которые действительно присутствуют.

 В [63]: s = pd.Series (list ("babc")). Astype (CategoryDtype (list ("abcd")))

В [64]: s
Из [64]:
0 б
1 а
2 б
3 с
dtype: категория
Категории (4, объект): ['a', 'b', 'c', 'd']

# категории
В [65]: s.cat.categories
Out [65]: Индекс (['a', 'b', 'c', 'd'], dtype = 'object')

# уникальный посетитель
В [66]: s.unique ()
Из [66]:
['b', 'a', 'c']
Категории (4, объект): ['a', 'b', 'c', 'd']
 

Переименование категорий

Переименование категорий осуществляется путем присвоения новых значений параметрам серии.cat.categories или используя rename_categories () метод:

 В [67]: s = pd.Series (["a", "b", "c", "a"], dtype = "category")

В [68]: s
Из [68]:
0 а
1 б
2 с
3 а
dtype: категория
Категории (3, объект): ['a', 'b', 'c']

В [69]: s.cat.categories = ["Группа% s"% g для g в s.cat.categories]

В [70]: s
Из [70]:
0 Группа А
1 Группа б
2 Группа c
3 Группа а
dtype: категория
Категории (3, объект): ["Группа a", "Группа b", "Группа c"]

В [71]: s = s.cat.rename_categories ([1, 2, 3])

В [72]: s
Из [72]:
0 1
1 2
2 3
3 1
dtype: категория
Категории (3, int64): [1, 2, 3]

# Вы также можете передать объект, похожий на dict, чтобы отобразить переименование
В [73]: s = s.cat.rename_categories ({1: "x", 2: "y", 3: "z"})

В [74]: s
Из [74]:
0 х
1 год
2 z
3 х
dtype: категория
Категории (3, объект): ['x', 'y', 'z']
 

Примечание

В отличие от коэффициента R, равного , категориальные данные могут иметь категории, отличные от строковых.

Примечание

Имейте в виду, что назначение новых категорий - это операция на месте, в то время как большинство других операций под Series.cat по умолчанию возвращает новую серию dtype категории .

Категории должны быть уникальными, иначе возникает ValueError :

 В [75]: попробуйте:
   ....: s.cat.categories = [1, 1, 1]
   ....: кроме ValueError как e:
   ....: print ("ValueError:", str (e))
   ....:
ValueError: категориальные категории должны быть уникальными
 

Категории также не должны быть NaN или ValueError :

 В [76]: попробуйте:
   ....: s.cat.categories = [1, 2, np.nan]
   ....: кроме ValueError как e:
   ....: print ("ValueError:", str (e))
   ....:
ValueError: категориальные категории не могут быть нулевыми
 

Добавление новых категорий

Добавление категорий может быть выполнено с помощью add_categories () метод:

 В [77]: s = s.cat.add_categories ([4])

В [78]: s.cat.categories
Out [78]: индекс (['x', 'y', 'z', 4], dtype = 'object')

В [79]: s
Из [79]:
0 х
1 год
2 z
3 х
dtype: категория
Категории (4, объект): ['x', 'y', 'z', 4]
 

Удаление категорий

Удаление категорий может быть выполнено с помощью remove_categories () метод.Значения, которые удаляются заменены на нп.нан .:

 В [80]: s = s.cat.remove_categories ([4])

В [81]: s
Из [81]:
0 х
1 год
2 z
3 х
dtype: категория
Категории (3, объект): ['x', 'y', 'z']
 

Удаление неиспользуемых категорий

Также можно удалить неиспользуемые категории:

 В [82]: s = pd.Series (pd.Categorical (["a", "b", "a"], Categories = ["a", "b", "c", "d"]) )

В [83]: s
Из [83]:
0 а
1 б
2 а
dtype: категория
Категории (4, объект): ['a', 'b', 'c', 'd']

В [84]: с.cat.remove_unused_categories ()
Из [84]:
0 а
1 б
2 а
dtype: категория
Категории (2, объект): ['a', 'b']
 

Категории настроек

Если вы хотите удалить и добавить новые категории за один шаг (в котором есть преимущество в скорости) или просто установите для категорий заранее заданный масштаб, используйте set_categories () .

 В [85]: s = pd.Series (["один", "два", "четыре", "-"], dtype = "категория")

В [86]: s
Из [86]:
0 один
1 два
2 четыре
3 -
dtype: категория
Категории (4, объект): ['-', 'четыре', 'один', 'два']

В [87]: s = s.cat.set_categories (["один", "два", "три", "четыре"])

В [88]: s
Из [88]:
0 один
1 два
2 четыре
3 NaN
dtype: категория
Категории (4, объект): ['один', 'два', 'три', 'четыре']
 

Примечание

Имейте в виду, что Категориальный.set_categories () не может знать, пропущена ли какая-то категория. намеренно или из-за неправильного написания, или (в Python3) из-за разницы типов (например, NumPy S1 dtype и строки Python). Это может привести к неожиданному поведению!

Сортировка и заказ

Если заказаны категориальные данные ( с.cat.ordered == True ), то порядок категорий имеет смысл и некоторые операции возможны. Если категориальный неупорядоченный, .min () /. Max () вызовет TypeError .

 В [89]: s = pd.Series (pd.Categorical (["a", "b", "c", "a"], orders = False))

В [90]: s.sort_values ​​(inplace = True)

В [91]: s = pd.Series (["a", "b", "c", "a"]). Astype (CategoryDtype (порядковый = True))

В [92]: s.sort_values ​​(inplace = True)

В [93]: s
Из [93]:
0 а
3 а
1 б
2 с
dtype: категория
Категории (3, объект): ['a' <'b' <'c']

В [94]: с.мин (), s.max ()
Out [94]: ('a', 'c')
 

Вы можете настроить упорядочение категориальных данных с помощью as_ordered () или неупорядоченные с помощью as_unordered () . Эти будут по умолчанию возвращает новый объект .

 В [95]: s.cat.as_ordered ()
Из [95]:
0 а
3 а
1 б
2 с
dtype: категория
Категории (3, объект): ['a' <'b' <'c']

В [96]: s.cat.as_unordered ()
Из [96]:
0 а
3 а
1 б
2 с
dtype: категория
Категории (3, объект): ['a', 'b', 'c']
 

Сортировка будет использовать порядок, определенный по категориям, а не какой-либо лексический порядок, присутствующий в типе данных.Это верно даже для строк и числовых данных:

 В [97]: s = pd.Series ([1, 2, 3, 1], dtype = "category")

В [98]: s = s.cat.set_categories ([2, 3, 1], заказанный = True)

В [99]: s
Из [99]:
0 1
1 2
2 3
3 1
dtype: категория
Категории (3, int64): [2 <3 <1]

В [100]: s.sort_values ​​(inplace = True)

В [101]: s
Из [101]:
1 2
2 3
0 1
3 1
dtype: категория
Категории (3, int64): [2 <3 <1]

В [102]: s.min (), s.max ()
Из [102]: (2, 1)
 

Повторный заказ

Изменение порядка категорий возможно с помощью Категориальная.reorder_categories () и методы Category.set_categories () . Для Category.reorder_categories () , все старые категории должны быть включены в новые категории, новые категории не допускаются. Это будет обязательно сделайте порядок сортировки таким же, как порядок категорий.

 В [103]: s = pd.Series ([1, 2, 3, 1], dtype = "category")

В [104]: s = s.cat.reorder_categories ([2, 3, 1], заказанный = True)

В [105]: s
Из [105]:
0 1
1 2
2 3
3 1
dtype: категория
Категории (3, int64): [2 <3 <1]

В [106]: с.sort_values ​​(inplace = True)

В [107]: s
Из [107]:
1 2
2 3
0 1
3 1
dtype: категория
Категории (3, int64): [2 <3 <1]

В [108]: s.min (), s.max ()
Из [108]: (2, 1)
 

Примечание

Обратите внимание на разницу между назначением новых категорий и изменением порядка категорий: первая переименовывает категории и, следовательно, отдельные значения в Series , но если первое позиция была отсортирована последней, переименованное значение все равно будет отсортировано последним. Изменение порядка означает, что способ сортировки значений впоследствии будет другим, но не отдельные значения в Серии изменены.

Примечание

Если Категориальный не заказан, Series.min () и Series.max () поднимет Ошибка типа . Числовые операции, такие как + , - , * , / и операции на их основе (например, Series.median () , которому потребуется вычислить среднее между двумя значениями, если длина массива есть даже) не работают и вызывают TypeError .

Многоколоночная сортировка

Категориальный столбец с заданным типом будет участвовать в сортировке по нескольким столбцам так же, как и другие столбцы.Порядок категорий определяется категориями этого столбца.

 В [109]: dfs = pd.DataFrame (
   .....: {
   .....: "A": pd.Categorical (
   .....: list ("bbeebbaa"),
   .....: Categories = ["e", "a", "b"],
   .....: order = True,
   .....:),
   .....: "B": [1, 2, 1, 2, 2, 1, 2, 1],
   .....:}
   .....:)
   .....:

В [110]: dfs.sort_values ​​(by = ["A", "B"])
Из [110]:
   А Б
2 e 1
3 e 2
7 а 1
6 а 2
0 б 1
5 б 1
1 б 2
4 б 2
 

Изменение порядка категорий изменяет будущую сортировку.

 В [111]: dfs ["A"] = dfs ["A"]. Cat.reorder_categories (["a", "b", "e"])

В [112]: dfs.sort_values ​​(by = ["A", "B"])
Из [112]:
   А Б
7 а 1
6 а 2
0 б 1
5 б 1
1 б 2
4 б 2
2 e 1
3 e 2
 

Сравнения

Сравнение категориальных данных с другими объектами возможно в трех случаях:

• Сравнение равенства ( == и ! = ) со списковым объектом (список, серия, массив, …) Той же длины, что и категориальные данные.

• Все сравнения ( == , ! = , > , > = , < и <= ) категориальных данных с другая категориальная серия, когда заказано == True и категории совпадают.

• Все сравнения категориальных данных со скаляром.

Все другие сравнения, особенно «неравные» сравнения двух категорий с разными категории или категориальный объект с любым списковым объектом вызовет TypeError .

Примечание

Любые «неравные» сравнения категориальных данных с Series , np.array , list или категориальные данные с разными категориями или упорядочением вызовут TypeError , потому что пользовательский Порядок категорий можно интерпретировать двояко: первый с учетом заказывая и один без.

 В [113]: cat = pd.Series ([1, 2, 3]). Astype (КатегориальныйDtype ([3, 2, 1], упорядоченный = Истина))

В [114]: cat_base = pd.Series ([2, 2, 2]). Astype (КатегориальныйDtype ([3, 2, 1], упорядоченный = Истина))

В [115]: cat_base2 = pd.Series ([2, 2, 2]). Astype (КатегориальныйDтип (упорядоченный = Истина))

В [116]: кошка
Из [116]:
0 1
1 2
2 3
dtype: категория
Категории (3, int64): [3 <2 <1]

В [117]: cat_base
Из [117]:
0 2
1 2
2 2
dtype: категория
Категории (3, int64): [3 <2 <1]

В [118]: cat_base2
Из [118]:
0 2
1 2
2 2
dtype: категория
Категории (1, int64): [2]
 

Сравнение с категорией с такими же категориями и упорядочением или со скалярными произведениями:

 В [119]: cat> cat_base
Из [119]:
0 Верно
1 ложь
2 ложь
dtype: bool

В [120]: cat> 2
Из [120]:
0 Верно
1 ложь
2 ложь
dtype: bool
 

Сравнение на равенство работает с любым списковым объектом одинаковой длины и скаляров:

 В [121]: cat == cat_base
Из [121]:
0 ложь
1 Верно
2 ложь
dtype: bool

В [122]: cat == np.массив ([1, 2, 3])
Из [122]:
0 Верно
1 Верно
2 Верно
dtype: bool

В [123]: cat == 2
Из [123]:
0 ложь
1 Верно
2 ложь
dtype: bool
 

Не работает, потому что категории не совпадают:

 В [124]: попробуйте:
   .....: кошка> cat_base2
   .....: кроме TypeError как e:
   .....: print ("TypeError:", str (e))
   .....:
TypeError: категории можно сравнивать только в том случае, если «категории» совпадают.
 

Если вы хотите провести «неравное» сравнение категориального ряда со списковым объектом что не является категориальными данными, вам нужно быть явным и преобразовать категориальные данные обратно в исходные значения:

 В [125]: base = np.массив ([1, 2, 3])

В [126]: попробуйте:
   .....: кот> база
   .....: кроме TypeError как e:
   .....: print ("TypeError:", str (e))
   .....:
TypeError: невозможно сравнить категориальное значение для op __gt__ с типом .
Если вы хотите сравнить значения, используйте 'np.asarray (cat)  other'.

В [127]: np.asarray (cat)> base
Out [127]: массив ([False, False, False])
 

При сравнении двух неупорядоченных категорий с одинаковыми категориями порядок не учитывается:

 В [128]: c1 = pd.Категориальный (["a", "b"], категории = ["a", "b"], упорядоченный = False)

В [129]: c2 = pd.Categorical (["a", "b"], Categories = ["b", "a"], orders = False)

В [130]: c1 == c2
Выход [130]: массив ([True, True])
 

Операции

Помимо Series.min () , Series.max () и Series.mode () , с категориальными данными возможны следующие операции:

Series методы, такие как Series.value_counts () будут использовать все категории, даже если каких-то категорий нет в данных:

 В [131]: s = pd.Серии (pd.Categorical (["a", "b", "c", "c"], Categories = ["c", "a", "b", "d"]))

В [132]: s.value_counts ()
Из [132]:
с 2
а 1
б 1
d 0
dtype: int64
 

DataFrame методы, такие как DataFrame.sum () , также показывают «неиспользуемые» категории.

 В [133]: columns = pd.Categorical (
   .....: ["Один", "Один", "Два"], категории = ["Один", "Два", "Три"], упорядоченный = True
   .....:)
   .....:

В [134]: df = pd.DataFrame (
   .....: данные = [[1, 2, 3], [4, 5, 6]],
   .....: columns = pd.MultiIndex.from_arrays ([[["A", "B", "B"], columns]),
   .....:)
   .....:

В [135]: df.groupby (axis = 1, level = 1) .sum ()
Из [135]:
   Раз два три
0 3 3 0
1 9 6 0
 

Groupby также покажет «неиспользуемые» категории:

 В [136]: cats = pd.Categorical (
   .....: ["a", "b", "b", "b", "c", "c", "c"], Categories = ["a", "b", "c" , "d"]
   .....:)
   .....:

В [137]: df = pd.DataFrame ({"коты": коты, "значения": [1, 2, 2, 2, 3, 4, 5]})

В [138]: df.groupby ("кошки"). mean ()
Из [138]:
      ценности
кошки
а 1.0
b 2.0
в 4,0
d NaN

В [139]: cats2 = pd.Categorical (["a", "a", "b", "b"], Categories = ["a", "b", "c"])

В [140]: df2 = pd.DataFrame (
   .....: {
   .....: "коты": cats2,
   .....: "B": ["c", "d", "c", "d"],
   .....: "значения": [1, 2, 3, 4],
   .....:}
   .....:)
   .....:

В [141]: df2.groupby (["коты", "B"]). Mean ()
Из [141]:
        ценности
кошки B
а в 1.0
     d 2,0
б в 3,0
     d 4,0
c c NaN
     d NaN
 

Сводные таблицы:

 В [142]: raw_cat = pd.Categorical ([«a», «a», «b», «b»], Categories = [«a», «b», «c»])

В [143]: df = pd.DataFrame ({"A": raw_cat, "B": ["c", "d", "c", "d"], "values": [1, 2, 3 , 4]})

В [144]: pd.pivot_table (df, values ​​= "values", index = ["A", "B"])
Из [144]:
     ценности
А Б
а в 1
  d 2
б в 3
  d 4
 

Обработка данных

Оптимизированные методы доступа к данным pandas .loc , .iloc , .at и .iat , работать как обычно. Единственная разница - это тип возвращаемого значения (для получения) и что могут быть присвоены только значения уже в категориях .

Получение

Если операция среза возвращает либо DataFrame , либо столбец типа Серия , сохраняется категория dtype.

 В [145]: idx = pd.Index ([«h», «i», «j», «k», «l», «m», «n»])

В [146]: cats = pd.Серии ([«a», «b», «b», «b», «c», «c», «c»], dtype = «category», index = idx)

В [147]: values ​​= [1, 2, 2, 2, 3, 4, 5]

В [148]: df = pd.DataFrame ({"коты": коты, "значения": значения}, index = idx)

В [149]: df.iloc [2: 4,:]
Из [149]:
  ценности кошек
j b 2
k b 2

В [150]: df.iloc [2: 4,:]. Dtypes
Из [150]:
категория кошек
значения int64
dtype: объект

В [151]: df.loc ["h": "j", "cats"]
Из [151]:
ч а
я б
j b
Имя: кошки, dtype: категория
Категории (3, объект): ['a', 'b', 'c']

В [152]: df [df ["cats"] == "b"]
Из [152]:
  ценности кошек
я б 2
j b 2
k b 2
 

Примером, когда тип категории не сохраняется, является случай, если вы возьмете один единственный row: полученный Series имеет dtype object :

 # получить полную строку "h" как серию
В [153]: df.loc ["ч",:]
Из [153]:
кошки
значения 1
Имя: h, dtype: object
 

При возврате одного элемента из категориальных данных также будет возвращено значение, а не категориальный длиной «1».

 В [154]: df.iat [0, 0]
Out [154]: 'a'

В [155]: df ["коты"]. Cat.categories = ["x", "y", "z"]

В [156]: df.at ["h", "cats"] # возвращает строку
Out [156]: 'x'
 

Примечание

В отличие от функции R's factor , где фактор (c (1,2,3)) [1] возвращает одно значение , коэффициент .

Чтобы получить одно значение Series типа category , вы передаете список с единственное значение:

 В [157]: df.loc [["h"], "cats"]
Из [157]:
h x
Имя: кошки, dtype: категория
Категории (3, объект): ['x', 'y', 'z']
 

Средства доступа к строке и дате и времени

Аксессоры .dt и .str будут работать, если s.cat.categories относятся к соответствующий тип:

 В [158]: str_s = pd.Series (list ("aabb"))

В [159]: str_cat = str_s.astype ("категория")

В [160]: str_cat
Из [160]:
0 а
1 а
2 б
3 б
dtype: категория
Категории (2, объект): ['a', 'b']

В [161]: str_cat.str.contains ("a")
Из [161]:
0 Верно
1 Верно
2 ложь
3 ложь
dtype: bool

В [162]: date_s = pd.Series (pd.date_range ("01.01.2015", периоды = 5))

В [163]: date_cat = date_s.astype ("категория")

В [164]: date_cat
Из [164]:
0 01.01.2015
1 2015-01-02
2 2015-01-03
3 2015-01-04
4 2015-01-05
dtype: категория
Категории (5, datetime64 [ns]): [2015-01-01, 2015-01-02, 2015-01-03, 2015-01-04, 2015-01-05]

В [165]: date_cat.dt.day
Из [165]:
0 1
1 2
2 3
3 4
4 5
dtype: int64
 

Примечание

Возвращенный Series (или DataFrame ) имеет тот же тип, что и если бы вы использовали .str. / .dt. на Series этого типа (а не тип категория !).

Это означает, что возвращаемые значения из методов и свойств на методах доступа Series и возвращаемые значения из методов и свойств на средствах доступа этого Серия преобразована в одну из категории будет равна:

 В [166]: ret_s = str_s.str.contains ("а")

В [167]: ret_cat = str_cat.str.contains ("a")

В [168]: ret_s.dtype == ret_cat.dtype
Out [168]: Верно

В [169]: ret_s == ret_cat
Из [169]:
0 Верно
1 Верно
2 Верно
3 Верно
dtype: bool
 

Примечание

Работа ведется по категориям , а затем строится новая серия . Это некоторое влияние на производительность, если у вас есть строка типа Series , где много элементов повторяются (т.е. количество уникальных элементов в серии намного меньше, чем длина серии ).В этом случае может быть быстрее преобразовать исходный Series к одному из типа категории и используйте для этого .str. или .dt. .

Настройка

Установка значений в категориальном столбце (или серии ) работает, пока значение включено в категории :

 В [170]: idx = pd.Index ([«h», «i», «j», «k», «l», «m», «n»])

В [171]: cats = pd.Categorical (["a", "a", "a", "a", "a", "a", "a"], Categories = ["a", "b "])

В [172]: values ​​= [1, 1, 1, 1, 1, 1, 1]

В [173]: df = pd.DataFrame ({"коты": коты, "значения": значения}, индекс = idx)

В [174]: df.iloc [2: 4,:] = [["b", 2], ["b", 2]]

В [175]: df
Из [175]:
  ценности кошек
ч а 1
я 1
j b 2
k b 2
л а 1
м а 1
п а 1

В [176]: попробуйте:
   .....: df.iloc [2: 4,:] = [["c", 3], ["c", 3]]
   .....: кроме ValueError как e:
   .....: print ("ValueError:", str (e))
   .....:
ValueError: невозможно установить элемент в категории с новой категорией, сначала установите категории
 

Установка значений путем назначения категориальных данных также проверяет соответствие категорий :

 В [177]: df.loc ["j": "k", "cats"] = pd.Categorical (["a", "a"], Categories = ["a", "b"])

В [178]: df
Из [178]:
  ценности кошек
ч а 1
я 1
j a 2
к а 2
л а 1
м а 1
п а 1

В [179]: попробуйте:
   .....: df.loc ["j": "k", "cats"] = pd.Categorical (["b", "b"], Categories = ["a", "b", "c" "])
   .....: кроме ValueError как e:
   .....: print ("ValueError:", str (e))
   .....:
ValueError: невозможно установить Категорию с другим без идентичных категорий
 

При присвоении Категориального частям столбца других типов будут использоваться значения:

 В [180]: df = pd.DataFrame ({"a": [1, 1, 1, 1, 1], "b": ["a", "a", "a", "a", "a"]})

В [181]: df.loc [1: 2, «a»] = pd.Categorical ([«b», «b»], Categories = [«a», «b»])

В [182]: df.loc [2: 3, «b»] = pd.Categorical ([«b», «b»], Categories = [«a», «b»])

В [183]: df
Из [183]:
   а б
0 1 а
1 б а
2 б б
3 1 б
4 1 а

В [184]: df.dtypes
Из [184]:
объект
объект b
dtype: объект
 

Слияние / объединение

По умолчанию объединение Series или DataFrames , которые содержат одинаковые категории приводит к категории dtype, в противном случае результаты будут зависеть от dtype базовых категорий.Слияние, приводящее к некатегориальному dtypes, вероятно, будут использовать больше памяти. Используйте .astype или union_categoricals для обеспечения результатов категории .

 В [185]: from pandas.api.types import union_categoricals

# одинаковые категории
В [186]: s1 = pd.Series (["a", "b"], dtype = "category")

В [187]: s2 = pd.Series (["a", "b", "a"], dtype = "category")

В [188]: pd.concat ([s1, s2])
Из [188]:
0 а
1 б
0 а
1 б
2 а
dtype: категория
Категории (2, объект): ['a', 'b']

# разные категории
В [189]: s3 = pd.Серия (["b", "c"], dtype = "category")

В [190]: pd.concat ([s1, s3])
Из [190]:
0 а
1 б
0 б
1 с
dtype: объект

# Выходной dtype выводится на основе значений категорий
В [191]: int_cats = pd.Series ([1, 2], dtype = "category")

В [192]: float_cats = pd.Series ([3.0, 4.0], dtype = "category")

В [193]: pd.concat ([int_cats, float_cats])
Из [193]:
0 1.0
1 2,0
0 3,0
1 4,0
dtype: float64

В [194]: pd.concat ([s1, s3]). Astype ("категория")
Из [194]:
0 а
1 б
0 б
1 с
dtype: категория
Категории (3, объект): ['a', 'b', 'c']

В [195]: union_categoricals ([s1.массив, s3.array])
Из [195]:
['a', 'b', 'b', 'c']
Категории (3, объект): ['a', 'b', 'c']
 

В следующей таблице приведены результаты объединения Категорий :

См. Также раздел о типах слияния для примечаний о сохранение типов слияния и производительности.

Объединение

Если вы хотите объединить категории, которые не обязательно имеют одинаковые категорий, функция union_categoricals () будет объединить список категорий. Новые категории будут объединением категории объединяются.

 В [196]: из pandas.api.types import union_categoricals

В [197]: a = pd.Categorical (["b", "c"])

В [198]: b = pd.Categorical (["a", "b"])

В [199]: union_categoricals ([a, b])
Из [199]:
['b', 'c', 'a', 'b']
Категории (3, объект): ['b', 'c', 'a']
 

По умолчанию результирующие категории будут отсортированы как они появляются в данных.Если вы хотите, чтобы категории для лексической сортировки используйте аргумент sort_categories = True .

 В [200]: union_categoricals ([a, b], sort_categories = True)
Из [200]:
['b', 'c', 'a', 'b']
Категории (3, объект): ['a', 'b', 'c']
 

union_categoricals также работает с «легким» случаем объединения двух категории тех же категорий и информация о заказе (например, для чего вы также можете добавить ).

 В [201]: a = pd.Categorical (["a", "b"], заказанный = True)

В [202]: b = pd.Категориальный (["a", "b", "a"], упорядоченный = True)

В [203]: union_categoricals ([a, b])
Из [203]:
['a', 'b', 'a', 'b', 'a']
Категории (2, объект): ['a' <'b']
 

В приведенном ниже примере возникает ошибка TypeError , поскольку категории упорядочены и не идентичны.

 В [1]: a = pd.Categorical (["a", "b"], заказанный = True)
В [2]: b = pd.Categorical (["a", "b", "c"], order = True)
В [3]: union_categoricals ([a, b])
Из [3]:
TypeError: для объединения упорядоченных категорий все категории должны быть одинаковыми
 

Упорядоченные категории с разными категориями или порядками могут быть объединены с использованием аргумента ignore_ordered = True .

 В [204]: a = pd.Categorical ([«a», «b», «c»], заказанный = True)

В [205]: b = pd.Categorical (["c", "b", "a"], order = True)

В [206]: union_categoricals ([a, b], ignore_order = True)
Из [206]:
['a', 'b', 'c', 'c', 'b', 'a']
Категории (3, объект): ['a', 'b', 'c']
 

union_categoricals () также работает с Категориальный индекс или Серия , содержащий категориальные данные, но учтите, что результирующий массив всегда будет простым Категориальный :

 В [207]: a = pd.Серия (["b", "c"], dtype = "category")

В [208]: b = pd.Series (["a", "b"], dtype = "category")

В [209]: union_categoricals ([a, b])
Из [209]:
['b', 'c', 'a', 'b']
Категории (3, объект): ['b', 'c', 'a']
 

Примечание

union_categoricals может перекодировать целочисленные коды для категорий при объединении категорий. Вероятно, это то, что вы хотите, но если вы полагаетесь на точную нумерацию категорий, будьте осведомленный.

 В [210]: c1 = pd.Categorical (["b", "c"])

В [211]: c2 = pd.Категориальный (["a", "b"])

В [212]: c1
Из [212]:
['До нашей эры']
Категории (2, объект): ['b', 'c']

# "b" кодируется как 0
В [213]: c1.codes
Выход [213]: массив ([0, 1], dtype = int8)

В [214]: c2
Из [214]:
['a', 'b']
Категории (2, объект): ['a', 'b']

# "b" кодируется как 1
В [215]: c2.codes
Выход [215]: массив ([0, 1], dtype = int8)

В [216]: c = union_categoricals ([c1, c2])

В [217]: c
Из [217]:
['b', 'c', 'a', 'b']
Категории (3, объект): ['b', 'c', 'a']

# "b" везде кодируется как 0, так же, как c1, отличается от c2
В [218]: c.коды
Out [218]: array ([0, 1, 2, 0], dtype = int8)
 

Прием / вывод данных

Вы можете записать данные, содержащие категорий dtypes, в HDFStore . См. Здесь пример и предостережения.

Также можно записывать и читать данные из файлов формата Stata . См. Здесь пример и предостережения.

Запись в файл CSV преобразует данные, эффективно удаляя любую информацию о категориальные (категории и упорядочивание).Поэтому, если вы прочитаете CSV-файл, вам нужно будет преобразовать соответствующие столбцы вернуться в категорию и назначить нужные категории и категории упорядочивания.

 В [219]: import io

В [220]: s = pd.Series (pd.Categorical (["a", "b", "b", "a", "a", "d"]))

# переименовать категории
В [221]: s.cat.categories = ["очень хорошо", "хорошо", "плохо"]

# изменить порядок категорий и добавить недостающие категории
В [222]: s = s.cat.set_categories ([«очень плохо», «плохо», «средний», «хорошо», «очень хорошо»])

В [223]: df = pd.DataFrame ({"коты": s, "валс": [1, 2, 3, 4, 5, 6]})

В [224]: csv = io.StringIO ()

В [225]: df.to_csv (csv)

В [226]: df2 = pd.read_csv (io.StringIO (csv.getvalue ()))

В [227]: df2.dtypes
Из [227]:
Безымянный: 0 int64
объект кошек
vals int64
dtype: объект

В [228]: df2 ["коты"]
Из [228]:
0 очень хорошо
1 хорошо
2 хорошо
3 очень хорошо
4 очень хорошо
5 плохо
Имя: коты, dtype: объект

# Повторить категорию
В [229]: df2 ["коты"] = df2 ["коты"]. Astype ("категория")

В [230]: df2 ["коты"].cat.set_categories (
   .....: ["очень плохо", "плохо", "средний", "хорошо", "очень хорошо"], inplace = True
   .....:)
   .....:

В [231]: df2.dtypes
Из [231]:
Безымянный: 0 int64
категория кошек
vals int64
dtype: объект

В [232]: df2 ["коты"]
Из [232]:
0 очень хорошо
1 хорошо
2 хорошо
3 очень хорошо
4 очень хорошо
5 плохо
Имя: кошки, dtype: категория
Категории (5, объект): [«очень плохо», «плохо», «средне», «хорошо», «очень хорошо»]
 

То же самое касается записи в базу данных SQL с помощью to_sql .

Отсутствуют данные

pandas в основном использует значение np.nan для представления отсутствующих данных. Это по по умолчанию не включается в вычисления. См. Раздел «Отсутствующие данные».

Отсутствующие значения следует включать , а не в категории категории , только в значениях . Вместо этого понимается, что NaN отличается, и это всегда возможно. При работе с кодами категории пропущенные значения всегда будут иметь код -1 .

 В [233]: s = pd.Series (["a", "b", np.nan, "a"], dtype = "category")

# только две категории
В [234]: s
Из [234]:
0 а
1 б
2 NaN
3 а
dtype: категория
Категории (2, объект): ['a', 'b']

В [235]: s.cat.codes
Из [235]:
0 0
1 1
2-1
3 0
dtype: int8
 

Методы работы с недостающими данными, например исна () , заливка () , дропна () , все нормально работают:

 В [236]: s = pd.Series (["a", "b", np.nan], dtype = "category")

В [237]: s
Из [237]:
0 а
1 б
2 NaN
dtype: категория
Категории (2, объект): ['a', 'b']

В [238]: pd.исна (ы)
Из [238]:
0 ложь
1 ложь
2 Верно
dtype: bool

В [239]: s.fillna ("а")
Из [239]:
0 а
1 б
2 а
dtype: категория
Категории (2, объект): ['a', 'b']
 

Различия с коэффициентом

 В [240]: s = pd.Series (["foo", "bar"] * 1000)

# объект dtype
В [241]: s.nbytes
Аут [241]: 16000

# категория dtype
В [242]: с.astype ("категория"). nbytes
Из [242]: 2016
 

 В [243]: s = pd.Series (["foo% 04d"% i для i в диапазоне (2000)])

# объект dtype
В [244]: s.nbytes
Из [244]: 16000

# категория dtype
В [245]: s.astype ("категория"). Nbytes
Вых [245]: 20000
 

 В [246]: попробуйте:
   .....: np.dtype ("категория")
   .....: кроме TypeError как e:
   .....: print ("TypeError:", str (e))
   .....:
TypeError: тип данных "категория" не распознан

В [247]: dtype = pd.Categorical (["a"]). Dtype

В [248]: попробуйте:
   .....: np.dtype (dtype)
   .....: кроме TypeError как e:
   .....: print ("TypeError:", str (e))
   .....:
TypeError: не удается интерпретировать "Категорический тип (категории = ['a'], упорядоченный = Ложь)" как тип данных.
 

 В [249]: dtype == np.str_
Out [249]: ложь

В [250]: np.str_ == dtype
Out [250]: ложь
 

 В [251]: hasattr (pd.Series (["a"], dtype = "category"), "cat")
Out [251]: Верно

В [252]: hasattr (pd.Series (["a"]), "cat")
Out [252]: ложь
 

 В [253]: s = pd.Series (pd.Categorical ([1, 2, 3, 4]))

В [254]: попробуйте:
   .....: np.sum (s)
   .....: кроме TypeError как e:
   .....: print ("TypeError:", str (e))
   .....:
TypeError: 'Категориальный' не реализует сокращение 'sum'
 

 В [255]: df = pd.DataFrame (
   .....: {
   .....: "a": [1, 2, 3, 4],
   .....: "b": ["a", "b", "c", "d"],
   .....: "коты": pd.Categorical ([1, 2, 3, 2]),
   .....:}
   .....:)
   .....:

В [256]: df.apply (лямбда-строка: тип (строка ["коты"]), ось = 1)
Из [256]:
0 <класс 'int'>
1 <класс 'int'>
2 <класс 'int'>
3 <класс 'int'>
dtype: объект

В [257]: df.применить (лямбда-столбец: col.dtype, ось = 0)
Из [257]:
int64
объект b
категория кошек
dtype: объект
 

 В [258]: cats = pd.Категориальный ([1, 2, 3, 4], категории = [4, 2, 3, 1])

В [259]: strings = ["a", "b", "c", "d"]

В [260]: values ​​= [4, 2, 3, 1]

В [261]: df = pd.DataFrame ({"строки": строки, "значения": значения}, индекс = кошки)

В [262]: df.index
Выход [262]: Категориальный индекс ([1, 2, 3, 4], категории = [4, 2, 3, 1], упорядоченный = False, dtype = 'category')

# Теперь сортировка по категориям
В [263]: df.sort_index ()
Из [263]:
  строковые значения
4 д 1
2 б 2
3 с 3
1 а 4
 

 В [264]: cat = pd.Categorical ([1, 2, 3, 10], Categories = [1, 2, 3, 4, 10])

В [265]: s = pd.Series (cat, name = "cat")

В [266]: кошка
Из [266]:
[1, 2, 3, 10]
Категории (5, int64): [1, 2, 3, 4, 10]

В [267]: s.iloc [0: 2] = 10

В [268]: кот
Из [268]:
[10, 10, 3, 10]
Категории (5, int64): [1, 2, 3, 4, 10]

В [269]: df = pd.DataFrame (s)

В [270]: df ["cat"]. Cat.categories = [1, 2, 3, 4, 5]

В [271]: кошка
Из [271]:
[10, 10, 3, 10]
Категории (5, int64): [1, 2, 3, 4, 10]
 

 В [272]: cat = pd.Категориальный ([1, 2, 3, 10], категории = [1, 2, 3, 4, 10])

В [273]: s = pd.Series (cat, name = "cat", copy = True)

В [274]: кот
Из [274]:
[1, 2, 3, 10]
Категории (5, int64): [1, 2, 3, 4, 10]

В [275]: s.iloc [0: 2] = 10

В [276]: кот
Из [276]:
[1, 2, 3, 10]
Категории (5, int64): [1, 2, 3, 4, 10]