Manual de referencia de arrays/escalares/tipos de datos de Pandas

Para la mayoría de los tipos de datos, Pandas utiliza arrays de NumPy como objetos de almacenamiento concretos, los cuales están contenidos en Index (índice), Series (serie) o DataFrame (marco de datos).

Para ciertos tipos de datos, Pandas extiende el sistema de tipos de NumPy. Los alias de cadena de estos tipos se pueden encontrar en dtypes.

Arrays de Pandas

Clase/Método	Descripción
`pd.array(data, dtype)`	Crear un array de Pandas (`ExtensionArray`）。
`pd.Series.array`	Devolver el array subyacente de una Series (`ExtensionArray`）。
`pd.arrays.IntegerArray`	Array utilizado para almacenar datos enteros (admite valores faltantes).
`pd.arrays.BooleanArray`	Array utilizado para almacenar datos booleanos (admite valores faltantes).
`pd.arrays.StringArray`	Array utilizado para almacenar datos de cadena (admite valores faltantes).
`pd.arrays.IntervalArray`	Array utilizado para almacenar datos de intervalo.
`pd.arrays.DatetimeArray`	Array utilizado para almacenar datos de fecha y hora.
`pd.arrays.TimedeltaArray`	Array utilizado para almacenar datos de diferencia de tiempo.
`pd.arrays.PeriodArray`	Array utilizado para almacenar datos de período.
`pd.arrays.SparseArray`	Array utilizado para almacenar datos dispersos.

Escalares de Pandas

Clase/Método	Descripción
`pd.NA`	Escalar que representa valores faltantes (similar a`NaN`）。
`pd.Timestamp`	Escalar que representa marcas de tiempo.
`pd.Timedelta`	Escalar que representa diferencias de tiempo.
`pd.Period`	Escalar que representa períodos.
`pd.Interval`	Escalar que representa intervalos.
`pd.Categorical`	Escalar que representa datos categóricos.

Tipos de datos de Pandas

Clase/Método	Descripción
`pd.StringDtype()`	Tipo de datos de cadena (admite valores faltantes).
`pd.BooleanDtype()`	Tipo de datos booleano (admite valores faltantes).
`pd.Int8Dtype()`	Tipo de datos entero de 8 bits (admite valores faltantes).
`pd.Int16Dtype()`	Tipo de datos entero de 16 bits (admite valores faltantes).
`pd.Int32Dtype()`	Tipo de datos entero de 32 bits (admite valores faltantes).
`pd.Int64Dtype()`	Tipo de datos entero de 64 bits (admite valores faltantes).
`pd.Float32Dtype()`	Tipo de datos de punto flotante de 32 bits (admite valores faltantes).
`pd.Float64Dtype()`	Tipo de datos de punto flotante de 64 bits (admite valores faltantes).
`pd.CategoricalDtype()`	Tipo de datos categórico.
`pd.DatetimeTZDtype()`	Tipo de datos de fecha y hora con zona horaria.
`pd.PeriodDtype()`	Tipo de datos de período.
`pd.IntervalDtype()`	Tipo de datos de intervalo.
`pd.SparseDtype()`	Tipo de datos disperso.

Métodos comunes

Métodos de arrays

Método	Descripción
`array.take(indices)`	Extraer elementos del array según el índice.
`array.copy()`	Copiar el array.
`array.isna()`	Comprobar valores faltantes en el array.
`array.fillna(value)`	Rellenar valores faltantes con un valor especificado.
`array.unique()`	Devolver los valores únicos del array.
`array.value_counts()`	Devolver la frecuencia de cada valor en el array.

Métodos de escalares

Método	Descripción
`timestamp.to_pydatetime()`	va a`Timestamp`Convertir al objeto`datetime`de Python.
`timedelta.total_seconds()`	va a`Timedelta`Convertir a segundos totales.
`period.start_time`	Devolver la hora de inicio del`Period`período especificado.
`period.end_time`	Devolver la hora de fin del`Period`período especificado.
`interval.left`	Devolver el límite izquierdo del`Interval`intervalo especificado.
`interval.right`	Devolver el límite derecho del`Interval`intervalo especificado.

Métodos de tipos de datos

Método	Descripción
`dtype.name`	Devolver el nombre del tipo de datos.
`dtype.kind`	Devolver la clase del tipo de datos (por ejemplo,`i`indica entero,`f`indica punto flotante).
`dtype.construct_array_type()`	Devolver la clase de array asociada al tipo de datos.

Ejemplo

import pandas as pd

# Crear un array de Pandas
arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
print(arr)

# Usar escalares de Pandas
ts = pd.Timestamp('2023-01-01')
print(ts.year) # Imprimir el año

# Usar tipos de datos de Pandas
dtype = pd.StringDtype()
print(dtype.name) # Imprimir el nombre del tipo de datos

Si necesita información más detallada, puede consultar ladocumentación oficial de Pandas。

Otras extensiones

Lectura y escritura de datos

Núcleo de procesamiento de datos