我认为需要Series.cat.categories或unique：

np.random.seed(1245)

a = ['No', 'Yes', 'Maybe']
df = pd.DataFrame(np.random.choice(a, size=(10, 3)), columns=['Col1','Col2','Col3'])
df['Col1'] = pd.Categorical(df['Col1'])

print (df.dtypes)
Col1    category
Col2      object
Col3      object
dtype: object

print (df['Col1'].cat.categories)
Index(['Maybe', 'No', 'Yes'], dtype='object')

print (df['Col2'].unique())
['Yes' 'Maybe' 'No']

print (df['Col1'].unique())
[Maybe, No, Yes]
Categories (3, object): [Maybe, No, Yes]

您也可以使用value_counts()，但它只在您将其与列名一起使用时才起作用，您还将获得每个类别的计数。示例：

dataframe['Columnn name'].value_counts()

或者，如果你想要一个变量中的类别总数，你可以这样做：

dataframe['Columnn name'].value_counts().count()

尝试执行下面的代码。
List_Of_Categories_In_Column=list(df['Categorical Column Name'].value_counts().index)

df.column name.value_counts（）#查看列中每个类别的值的总数
df.column name.value_counts（）.index #仅查看类别名称
df.column name .value_counts（）.count（）#查看一列中有多少个类别（仅数字）

这是我的工作，以检索类别作为一个数组

cat_arr = numpy.array(pd.Categorical(dataframe['col_name']).categories)