别着急，我来帮你理清楚问题出在哪，以及怎么快速解决这个问题：

错误原因 #

你把pd.Categorical对象赋值给Series后，直接去访问Series的codes属性，但**codes是底层Categorical数组的属性，不是Series对象的属性**。Pandas为Categorical类型的Series专门提供了.cat访问器，用来操作分类相关的属性和方法，直接访问Series本身是找不到codes的。

两种快速解决方法 #

方法1：使用.cat.codes访问器

这是最标准的方式，通过.cat访问器获取底层Categorical对象的编码：

# 正确获取分类编码
sessions_df["experience_level"].cat.codes

方法2：直接转为整数类型

Pandas的Categorical类型在转换为int时，会自动映射为对应的codes值，结果和上面完全一致：

sessions_df["experience_level"].astype(int)

完整可运行示例 #

我把你的代码修正后，做了一个可直接验证的版本：

import pandas as pd

# 模拟你的CSV数据
data = {
    "user_name": ["Alice", "Alice", "Alice"],
    "sex": ["F", "F", "F"],
    "age": [29, 29, 29],
    "experience_level": ["Intermediate", "Intermediate", "Intermediate"]
}
sessions_df = pd.DataFrame(data)

# 转换为有序分类（和你原来的代码一致）
sessions_df["experience_level"] = pd.Categorical(
    sessions_df["experience_level"],
    categories=['Beginner', 'Intermediate', 'Advanced'],
    ordered=True
)

# 正确获取编码
print(sessions_df["experience_level"].cat.codes)
# 输出结果：
# 0    1
# 1    1
# 2    1
# dtype: int8

额外实用建议 #

1. 保存编码为新列：如果需要把编码作为特征列保留，直接赋值即可：

   sessions_df["experience_code"] = sessions_df["experience_level"].cat.codes
   

2. 验证分类类型：可以通过以下命令确认列的类型是否为分类类型：

   print(sessions_df["experience_level"].dtype)
   # 输出：CategoricalDtype(categories=['Beginner', 'Intermediate', 'Advanced'], ordered=True)
   

3. 有序分类的优势：你设置了ordered=True，所以编码会严格遵循你定义的分类顺序（Beginner=0，Intermediate=1，Advanced=2），这在后续排序、数值比较，或者机器学习特征工程中都会生效，非常实用。