pandas.api.types.infer_dtype

pandas.api.types.infer_dtype()

Эффективно определяет тип переданного значения или массивоподобного набора значений. Возвращает строку, описывающую тип.

Параметры:	value : scalar, list, ndarray, or pandas type skipna : bool, default False Игнорировать значения NaN при определении типа. Добавлена в версии 0.21.0.
Возвращаемое значение:	строка, описывающая общий тип входных данных. Возможные результаты включают: - строка - unicode - байты - плавающее число - целое число - смешанное целое число - смешанное целое-плавающее число - десятичное число - комплексное число - категориальное - булево - datetime64 - datetime - дата - timedelta64 - timedelta - время - период - смешанный
Исключения:	TypeError, если похоже на ndarray, но тип невозможно определить

Примечания

• ‘смешанный’ — это общее значение для всех случаев, не входящих в другие категории
• ‘смешанное целое-плавающее’ — это плавающие и целые числа
• ‘смешанное целое’ — это целые числа, смешанные с нецелыми числами

Примеры

>>> infer_dtype(['foo', 'bar'])
'string'

>>> infer_dtype(['a', np.nan, 'b'], skipna=True)
'string'

>>> infer_dtype(['a', np.nan, 'b'], skipna=False)
'mixed'

>>> infer_dtype([b'foo', b'bar'])
'bytes'

>>> infer_dtype([1, 2, 3])
'integer'

>>> infer_dtype([1, 2, 3.5])
'mixed-integer-float'

>>> infer_dtype([1.0, 2.0, 3.5])
'floating'

>>> infer_dtype(['a', 1])
'mixed-integer'

>>> infer_dtype([Decimal(1), Decimal(2.0)])
'decimal'

>>> infer_dtype([True, False])
'boolean'

>>> infer_dtype([True, False, np.nan])
'mixed'

>>> infer_dtype([pd.Timestamp('20130101')])
'datetime'

>>> infer_dtype([datetime.date(2013, 1, 1)])
'date'

>>> infer_dtype([np.datetime64('2013-01-01')])
'datetime64'

>>> infer_dtype([datetime.timedelta(0, 1, 1)])
'timedelta'

>>> infer_dtype(pd.Series(list('aabc')).astype('category'))
'categorical'