Manuel de référence des tableaux/scalaires/types de données Pandas
Pour la plupart des types de données, Pandas utilise des tableaux NumPy comme objets de stockage concrets, qui sont contenus dans Index, Series ou DataFrame.
Pour certains types de données, Pandas étend le système de types de NumPy. Les alias de chaîne pour ces types se trouvent dans dtypes.
Tableau Pandas
| Classe/Méthode | Description |
|---|---|
pd.array(data, dtype) |
Créer un tableau Pandas (ExtensionArray）。 |
pd.Series.array |
Renvoie le tableau sous-jacent d'une Series (ExtensionArray）。 |
pd.arrays.IntegerArray |
Tableau pour stocker des données entières (prend en charge les valeurs manquantes). |
pd.arrays.BooleanArray |
Tableau pour stocker des données booléennes (prend en charge les valeurs manquantes). |
pd.arrays.StringArray |
Tableau pour stocker des données de type chaîne (prend en charge les valeurs manquantes). |
pd.arrays.IntervalArray |
Tableau pour stocker des données d'intervalle. |
pd.arrays.DatetimeArray |
Tableau pour stocker des données datetime. |
pd.arrays.TimedeltaArray |
Tableau pour stocker des données timedelta. |
pd.arrays.PeriodArray |
Tableau pour stocker des données de période. |
pd.arrays.SparseArray |
Tableau pour stocker des données sparse. |
Scalaire Pandas
| Classe/Méthode | Description |
|---|---|
pd.NA |
Scalaire représentant les valeurs manquantes (similaire àNaN）。 |
pd.Timestamp |
Scalaire représentant les horodatages. |
pd.Timedelta |
Scalaire représentant les différences temporelles. |
pd.Period |
Scalaire représentant les périodes. |
pd.Interval |
Scalaire représentant les intervalles. |
pd.Categorical |
Scalaire représentant les données catégorielles. |
Types de données Pandas
| Classe/Méthode | Description |
|---|---|
pd.StringDtype() |
Type de données chaîne (prend en charge les valeurs manquantes). |
pd.BooleanDtype() |
Type de données booléen (prend en charge les valeurs manquantes). |
pd.Int8Dtype() |
Type de données entier 8 bits (prend en charge les valeurs manquantes). |
pd.Int16Dtype() |
Type de données entier 16 bits (prend en charge les valeurs manquantes). |
pd.Int32Dtype() |
Type de données entier 32 bits (prend en charge les valeurs manquantes). |
pd.Int64Dtype() |
Type de données entier 64 bits (prend en charge les valeurs manquantes). |
pd.Float32Dtype() |
Type de données flottant 32 bits (prend en charge les valeurs manquantes). |
pd.Float64Dtype() |
Type de données flottant 64 bits (prend en charge les valeurs manquantes). |
pd.CategoricalDtype() |
Type de données catégoriel. |
pd.DatetimeTZDtype() |
Type de données Datetime avec fuseau horaire. |
pd.PeriodDtype() |
Type de données Period. |
pd.IntervalDtype() |
Type de données Interval. |
pd.SparseDtype() |
Type de données Sparse. |
Méthodes courantes
Méthodes de tableau
| Méthode | Description |
|---|---|
array.take(indices) |
Extraire des éléments d'un tableau en fonction des indices. |
array.copy() |
Copier le tableau. |
array.isna() |
Vérifier les valeurs manquantes dans le tableau. |
array.fillna(value) |
Remplir les valeurs manquantes avec une valeur spécifiée. |
array.unique() |
Renvoie les valeurs uniques dans le tableau. |
array.value_counts() |
Renvoie la fréquence de chaque valeur dans le tableau. |
Méthodes scalaires
| Méthode | Description |
|---|---|
timestamp.to_pydatetime() |
vaTimestampConvertir en Python'sdatetimeobjet. |
timedelta.total_seconds() |
vaTimedeltaConvertir en secondes totales. |
period.start_time |
RetourPeriodl'heure de début de |
period.end_time |
RetourPeriodl'heure de fin de |
interval.left |
RetourIntervalla borne gauche de |
interval.right |
RetourIntervalla borne droite de |
Méthodes de type de données
| Méthode | Description |
|---|---|
dtype.name |
Renvoie le nom du type de données. |
dtype.kind |
Renvoie le genre du type de données (par ex.,isignifie entier,fsignifie flottant). |
dtype.construct_array_type() |
Renvoie la classe de tableau associée au type de données. |
Exemples
import pandas as pd
# Créer un tableau Pandas
arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
print(arr)
# Utiliser un scalaire Pandas
ts = pd.Timestamp('2023-01-01')
print(ts.year) # Afficher l'année
# Utiliser un type de données Pandas
dtype = pd.StringDtype()
print(dtype.name) # Afficher le nom du type de données
# Créer un tableau Pandas
arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
print(arr)
# Utiliser un scalaire Pandas
ts = pd.Timestamp('2023-01-01')
print(ts.year) # Afficher l'année
# Utiliser un type de données Pandas
dtype = pd.StringDtype()
print(dtype.name) # Afficher le nom du type de données
Pour plus d'informations détaillées, veuillez consulterla documentation officielle Pandas。
Autres extensions