Pandas中文官方文档之基础用法6.docxVIP

数据类型 大多数情况下，pan das使用Num py数组、Series或DataFrame里某列的数 据类型。Numpy 支持 float、int、bool、timedelta[ns]、datetime64[ns],注意， Numpy不支持带时区信息的datetimeo Pan das与第三方支持库对 Numpy类型系统进行了扩充，本节只介绍 pan das 的内部扩展。如需了解自行编写与 pan das配合的扩展类型，请参阅扩展类 型，参阅扩展数据类型了解第三方支持库提供的扩展类型。 卜表列出了 pan das扩展类型，参阅列出的文档内谷， 查看每种类型的详情。 数据种类 数据类型 标量 数组 文档 带时区的 日期时间 DatetimeTZ Timesta mp arrays. DatetimeArray Time zone han dli n g 类别型 Categorical （无） Categorical Categorical data 时间段 P eriod P eriod arrays. P eriodArray Time span rep rese n tati on 稀疏数据 Sp arse （无） arrays. Sp arseArray Sp arse data structu res 时间间隔 In terval In terval arrays. In tervalArray In tervalI ndex 空整型 In t64... （无） arrays. In tegerArray Nullable integer da ta type 此表要横屏看 Pan das用object存储字符串。 对象转换。虽然，object数据类型能够存储任何对象，但应尽量避免这种操作，要了解与 其它支持库与方法的性能与交互操作，参阅 对象转换。 DataFrame的dtypes属性用起来很方便，以 Series形式返回每列的数据类型。 In [328]: dft = pd.DataFrame({A: np.ran dom.ra nd( 3), B: 1, C: foo, D: pd.Timesta mp , E: pd.Series([1.0] * 3).asty pe(float32), F: False, G: pd.Series([1] * 3, dtyp e=i nt8)}) A B C D E F G 0 0.035962 1 foo 2001-01-02 1.0 False 1 0.701379 1 foo 2001-01-02 1.0 False 2 0.281885 1 foo 2001-01-02 1.0 False In [329]: dft Out[329]: 1 1 1 In [330]: dft.dty pes Out[330]: A B C D E F G float64in t64objectdatetime64[ ns]float32boolint8 dtype: object 要查看Series的数据类型，用 In [331]: dft[A].dt ype Out[331]: dty pe(float64) Pan das对象单列中含多种类型的数据时，该列的数据类型为可适配于各类数据 的数据类型，通常为object。 #整数被强制转换为浮点数 In [332]: pd.Series([1,2, 3, 4, 5, 6.]) Out[332]: 0 1 2 3 4 5 dtype属性。 1.0 2.0 3.0 4.0 5.0 6.0 dtype: float64 #字符串数据决定了该Series的数据类型为object In [333]: pd.Series([1,2, 3, 6., foo]) Out[333]: 0 1 2 3 4 1 2 3 6foo dtype: object DataFrame.dtypes.value_counts(用于统计DataFrame里各列数据类型的数量。 In [334]: dft.dty pes.value_cou nts() Out[334]: float32 object bool int8 float64 1 1 1 1 1 datetime64[ ns] 1 in t64 1 dty pe: in t64 多种数值型数据类型可以在 DataFrame里共存。如果只传递一种数据类型，不 论是通过dtype关键字直接传递，还是通过 ndarray或Series传递，都会保存至 DataFrame操作。此外，不同数值型数据类型 不会合并。示例如下： In [335]: df1 = pd.DataFrame(