Справочное руководство по массивам/скалярам/типам данных Pandas
Для большинства типов данных Pandas использует массивы NumPy в качестве конкретных объектов хранения, которые содержатся в Index, Series или DataFrame.
Для некоторых типов данных Pandas расширяет систему типов NumPy. Строковые псевдонимы для этих типов можно найти в dtypes.
Массив Pandas
| Класс/Метод | Описание |
|---|---|
pd.array(data, dtype) |
Создать массив Pandas (ExtensionArray）。 |
pd.Series.array |
Вернуть базовый массив Series (ExtensionArray）。 |
pd.arrays.IntegerArray |
Массив для хранения целочисленных данных (поддерживает пропущенные значения). |
pd.arrays.BooleanArray |
Массив для хранения логических данных (поддерживает пропущенные значения). |
pd.arrays.StringArray |
Массив для хранения строковых данных (поддерживает пропущенные значения). |
pd.arrays.IntervalArray |
Массив для хранения интервальных данных. |
pd.arrays.DatetimeArray |
Массив для хранения данных datetime. |
pd.arrays.TimedeltaArray |
Массив для хранения данных timedelta. |
pd.arrays.PeriodArray |
Массив для хранения данных period. |
pd.arrays.SparseArray |
Массив для хранения разреженных данных. |
Скаляр Pandas
| Класс/Метод | Описание |
|---|---|
pd.NA |
Скаляр, представляющий пропущенные значения (аналогичноNaN）。 |
pd.Timestamp |
Скаляр, представляющий временные метки. |
pd.Timedelta |
Скаляр, представляющий разницы во времени. |
pd.Period |
Скаляр, представляющий периоды. |
pd.Interval |
Скаляр, представляющий интервалы. |
pd.Categorical |
Скаляр, представляющий категориальные данные. |
Типы данных Pandas
| Класс/Метод | Описание |
|---|---|
pd.StringDtype() |
Строковый тип данных (поддерживает пропущенные значения). |
pd.BooleanDtype() |
Логический тип данных (поддерживает пропущенные значения). |
pd.Int8Dtype() |
8-битный целочисленный тип данных (поддерживает пропущенные значения). |
pd.Int16Dtype() |
16-битный целочисленный тип данных (поддерживает пропущенные значения). |
pd.Int32Dtype() |
32-битный целочисленный тип данных (поддерживает пропущенные значения). |
pd.Int64Dtype() |
64-битный целочисленный тип данных (поддерживает пропущенные значения). |
pd.Float32Dtype() |
32-битный тип данных с плавающей точкой (поддерживает пропущенные значения). |
pd.Float64Dtype() |
64-битный тип данных с плавающей точкой (поддерживает пропущенные значения). |
pd.CategoricalDtype() |
Категориальный тип данных. |
pd.DatetimeTZDtype() |
Тип данных Datetime с часовым поясом. |
pd.PeriodDtype() |
Тип данных Period. |
pd.IntervalDtype() |
Тип данных Interval. |
pd.SparseDtype() |
Тип данных Sparse. |
Общие методы
Методы массива
| Метод | Описание |
|---|---|
array.take(indices) |
Извлечь элементы из массива по индексам. |
array.copy() |
Скопировать массив. |
array.isna() |
Проверить наличие пропущенных значений в массиве. |
array.fillna(value) |
Заполнить пропущенные значения указанным значением. |
array.unique() |
Вернуть уникальные значения в массиве. |
array.value_counts() |
Вернуть частоту каждого значения в массиве. |
Методы скаляров
| Метод | Описание |
|---|---|
timestamp.to_pydatetime() |
будетTimestampПреобразовать в Pythondatetimeобъект. |
timedelta.total_seconds() |
будетTimedeltaПреобразовать в общее количество секунд. |
period.start_time |
ReturnPeriodвремя начала |
period.end_time |
ReturnPeriodвремя окончания |
interval.left |
ReturnIntervalлевая граница |
interval.right |
ReturnIntervalправая граница |
Методы типов данных
| Метод | Описание |
|---|---|
dtype.name |
Возвращает имя типа данных. |
dtype.kind |
Возвращает вид типа данных (например,iозначает целое число,fозначает число с плавающей запятой). |
dtype.construct_array_type() |
Возвращает класс массива, связанный с типом данных. |
Примеры
import pandas as pd
# Создать массив Pandas
arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
print(arr)
# Использовать скаляр Pandas
ts = pd.Timestamp('2023-01-01')
print(ts.year) # Вывести год
# Использовать тип данных Pandas
dtype = pd.StringDtype()
print(dtype.name) # Вывести имя типа данных
# Создать массив Pandas
arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
print(arr)
# Использовать скаляр Pandas
ts = pd.Timestamp('2023-01-01')
print(ts.year) # Вывести год
# Использовать тип данных Pandas
dtype = pd.StringDtype()
print(dtype.name) # Вывести имя типа данных
Для получения более подробной информации, пожалуйста, обратитесь кофициальной документации Pandas。
Другие расширения