Pandas-Array/Skalar/Datentyp-Referenzhandbuch
Für die meisten Datentypen verwendet Pandas NumPy-Arrays als konkrete Speicherobjekte, die in Index, Series oder DataFrame enthalten sind.
Für bestimmte Datentypen erweitert Pandas das Typsystem von NumPy. String-Aliase für diese Typen finden sich in dtypes.
Pandas-Array
| Klasse/Methode | Beschreibung |
|---|---|
pd.array(data, dtype) |
Ein Pandas-Array erstellen (ExtensionArray）。 |
pd.Series.array |
Das zugrunde liegende Array einer Series zurückgeben (ExtensionArray）。 |
pd.arrays.IntegerArray |
Array zum Speichern von Ganzzahldaten (unterstützt fehlende Werte). |
pd.arrays.BooleanArray |
Array zum Speichern boolescher Daten (unterstützt fehlende Werte). |
pd.arrays.StringArray |
Array zum Speichern von String-Daten (unterstützt fehlende Werte). |
pd.arrays.IntervalArray |
Array zum Speichern von Intervall-Daten. |
pd.arrays.DatetimeArray |
Array zum Speichern von datetime-Daten. |
pd.arrays.TimedeltaArray |
Array zum Speichern von timedelta-Daten. |
pd.arrays.PeriodArray |
Array zum Speichern von Periodendaten. |
pd.arrays.SparseArray |
Array zum Speichern von Sparse-Daten. |
Pandas-Skalar
| Klasse/Methode | Beschreibung |
|---|---|
pd.NA |
Skalar, der fehlende Werte repräsentiert (ähnlich wieNaN）。 |
pd.Timestamp |
Skalar, der Zeitstempel repräsentiert. |
pd.Timedelta |
Skalar, der Zeitdifferenzen repräsentiert. |
pd.Period |
Skalar, der Perioden repräsentiert. |
pd.Interval |
Skalar, der Intervalle repräsentiert. |
pd.Categorical |
Skalar, der kategorische Daten repräsentiert. |
Pandas-Datentypen
| Klasse/Methode | Beschreibung |
|---|---|
pd.StringDtype() |
String-Datentyp (unterstützt fehlende Werte). |
pd.BooleanDtype() |
Boolean-Datentyp (unterstützt fehlende Werte). |
pd.Int8Dtype() |
8-Bit-Ganzzahldatentyp (unterstützt fehlende Werte). |
pd.Int16Dtype() |
16-Bit-Ganzzahldatentyp (unterstützt fehlende Werte). |
pd.Int32Dtype() |
32-Bit-Ganzzahldatentyp (unterstützt fehlende Werte). |
pd.Int64Dtype() |
64-Bit-Ganzzahldatentyp (unterstützt fehlende Werte). |
pd.Float32Dtype() |
32-Bit-Gleitkommadatentyp (unterstützt fehlende Werte). |
pd.Float64Dtype() |
64-Bit-Gleitkommadatentyp (unterstützt fehlende Werte). |
pd.CategoricalDtype() |
Kategorischer Datentyp. |
pd.DatetimeTZDtype() |
Datetime-Datentyp mit Zeitzone. |
pd.PeriodDtype() |
Period-Datentyp. |
pd.IntervalDtype() |
Intervall-Datentyp. |
pd.SparseDtype() |
Sparse-Datentyp. |
Häufige Methoden
Array-Methoden
| Methode | Beschreibung |
|---|---|
array.take(indices) |
Elemente anhand von Indizes aus einem Array extrahieren. |
array.copy() |
Das Array kopieren. |
array.isna() |
Fehlende Werte im Array überprüfen. |
array.fillna(value) |
Fehlende Werte mit einem angegebenen Wert füllen. |
array.unique() |
Eindeutige Werte im Array zurückgeben. |
array.value_counts() |
Die Häufigkeit jedes Werts im Array zurückgeben. |
Skalare Methoden
| Methode | Beschreibung |
|---|---|
timestamp.to_pydatetime() |
wirdTimestampIn Python's konvertierendatetimeObjekt. |
timedelta.total_seconds() |
wirdTimedeltaIn Gesamtsekunden umwandeln. |
period.start_time |
ReturnPerioddie Startzeit von |
period.end_time |
ReturnPerioddie Endzeit von |
interval.left |
ReturnIntervaldie linke Grenze von |
interval.right |
ReturnIntervaldie rechte Grenze von |
Datentyp-Methoden
| Methode | Beschreibung |
|---|---|
dtype.name |
Gibt den Namen des Datentyps zurück. |
dtype.kind |
Gibt die Art des Datentyps zurück (z. B.,ibedeutet Integer,fbedeutet Float). |
dtype.construct_array_type() |
Gibt die dem Datentyp zugeordnete Array-Klasse zurück. |
Beispiele
import pandas as pd
# Erstelle ein Pandas-Array
arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
print(arr)
# Pandas-Skalar verwenden
ts = pd.Timestamp('2023-01-01')
print(ts.year) # Das Jahr ausgeben
# Pandas-Datentyp verwenden
dtype = pd.StringDtype()
print(dtype.name) # Datentypnamen ausgeben
# Erstelle ein Pandas-Array
arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
print(arr)
# Pandas-Skalar verwenden
ts = pd.Timestamp('2023-01-01')
print(ts.year) # Das Jahr ausgeben
# Pandas-Datentyp verwenden
dtype = pd.StringDtype()
print(dtype.name) # Datentypnamen ausgeben
Für detailliertere Informationen lesen Sie bitte dieoffizielle Pandas-Dokumentation。
Andere Erweiterungen