Pandas Массивы

Для большинства типов данных pandas использует массивы NumPy в качестве конкретных объектов, содержащихся в Index, Series или DataFrame.

Для некоторых типов данных pandas расширяет систему типов NumPy.

Тип данных	Тип данных Pandas	Скаляр	Массив
Дата и время с часовым поясом	`DatetimeTZDtype`	`Timestamp`	Данные даты и времени
Промежутки времени	(нет)	`Timedelta`	Данные промежутков времени
Периоды (промежутки времени)	`PeriodDtype`	`Period`	Данные промежутков времени
Интервалы	`IntervalDtype`	`Interval`	Данные интервалов
Целые числа с возможностью пропусков	`Int64Dtype`, …	(нет)	Целые числа с возможностью пропусков
Категории	`CategoricalDtype`	(нет)	Данные категорий
Разреженные данные	`SparseDtype`	(нет)	Разреженные данные

Pandas и сторонние библиотеки могут расширять систему типов NumPy (см. Типы расширений). Метод верхнего уровня array() можно использовать для создания нового массива, который может храниться в Series, Index или в качестве столбца в DataFrame.

array(data[, dtype, copy]) Создать массив.

Данные даты и времени

NumPy не может напрямую представлять даты и время с часовым поясом. Pandas поддерживает это с помощью расширяемого массива arrays.DatetimeArray, который может хранить значения с указанием или без указания часового пояса.

Timestamp, подкласс datetime.datetime, является скалярным типом pandas для данных даты и времени с указанием или без указания часового пояса.

Timestamp Замена объекта datetime.datetime в Pandas

Свойства

`Timestamp.asm8`
`Timestamp.day`
`Timestamp.dayofweek`
`Timestamp.dayofyear`
`Timestamp.days_in_month`
`Timestamp.daysinmonth`
`Timestamp.fold`
`Timestamp.hour`
`Timestamp.is_leap_year`
`Timestamp.is_month_end`
`Timestamp.is_month_start`
`Timestamp.is_quarter_end`
`Timestamp.is_quarter_start`
`Timestamp.is_year_end`
`Timestamp.is_year_start`
`Timestamp.max`
`Timestamp.microsecond`
`Timestamp.min`
`Timestamp.minute`
`Timestamp.month`
`Timestamp.nanosecond`
`Timestamp.quarter`
`Timestamp.resolution`	Возвращает разрешение, описывающее наименьшую разницу между двумя моментами времени, которые может представить объект Timestamp.
`Timestamp.second`
`Timestamp.tz`	Псевдоним для tzinfo
`Timestamp.tzinfo`
`Timestamp.value`
`Timestamp.week`
`Timestamp.weekofyear`
`Timestamp.year`

Методы

`Timestamp.astimezone`	Преобразовать временную метку Timestamp с учётом часового пояса в другой часовой пояс.
`Timestamp.ceil`	возвращает новую временную метку Timestamp, округлённую до указанного разрешения
`Timestamp.combine`(дата, время)	дата, время -> дата и время с теми же полями
`Timestamp.ctime`	Возвращает строку в формате ctime().
`Timestamp.date`	Возвращает объект date с тем же годом, месяцем и днём.
`Timestamp.day_name`	Возвращает имя дня недели временной метки Timestamp с указанным языковым стандартом.
`Timestamp.dst`	Возвращает self.tzinfo.dst(self).
`Timestamp.floor`	возвращает новую временную метку Timestamp, урезанную до указанного разрешения
`Timestamp.freq`
`Timestamp.freqstr`
`Timestamp.fromordinal`(порядковый номер[, частота, часовой пояс])	при передаче порядкового номера, преобразует и возвращает временную метку; по определению в самом порядковом номере не может быть информации о часовом поясе
`Timestamp.fromtimestamp`(временная_метка)	временная_метка[, часовой_пояс] -> локальное время часового пояса из временной метки POSIX.
`Timestamp.isocalendar`	Возвращает кортеж из 3 элементов: год по ISO, номер недели и день недели.
`Timestamp.isoformat`
`Timestamp.isoweekday`	Возвращает день недели, представленный датой.
`Timestamp.month_name`	Возвращает имя месяца временной метки Timestamp с указанным языковым стандартом.
`Timestamp.normalize`	Нормализует временную метку Timestamp до полуночи, сохраняя информацию о часовом поясе.
`Timestamp.now`([часовой_пояс])	Возвращает новый объект Timestamp, представляющий текущее время, локальное для часового пояса tz.
`Timestamp.replace`	реализует datetime.replace, обрабатывает наносекунды
`Timestamp.round`	Округляет временную метку Timestamp до указанного разрешения
`Timestamp.strftime`	формат -> строка в стиле strftime().
`Timestamp.strptime`	строка, формат -> новая дата и время, разобранная из строки (как time.strptime()).
`Timestamp.time`	Возвращает объект time с тем же временем, но с tzinfo=None.
`Timestamp.timestamp`	Возвращает временную метку POSIX в виде числа с плавающей точкой.
`Timestamp.timetuple`	Возвращает кортеж времени, совместимый с time.localtime().
`Timestamp.timetz`	Возвращает объект time с тем же временем и tzinfo.
`Timestamp.to_datetime64`	Возвращает объект numpy.datetime64 с точностью ‘ns’
`Timestamp.to_julian_date`	Преобразует TimeStamp в юлианскую дату.
`Timestamp.to_period`	Возвращает период, к которому относится данная временная метка.
`Timestamp.to_pydatetime`	Преобразует объект Timestamp в собственный объект Python datetime.
`Timestamp.today`(cls[, tz])	Возвращает текущее время в локальном часовом поясе.
`Timestamp.toordinal`	Возвращает пролептический григорианский порядковый номер.
`Timestamp.tz_convert`	Преобразовать временную метку Timestamp с учётом часового пояса в другой часовой пояс.
`Timestamp.tz_localize`	Преобразует неявную временную метку Timestamp в локальный часовой пояс или удаляет часовой пояс из временной метки с учётом часового пояса.
`Timestamp.tzname`	Возвращает self.tzinfo.tzname(self).
`Timestamp.utcfromtimestamp`(временная_метка)	Создаёт объект datetime UTC без учёта часового пояса из временной метки POSIX.
`Timestamp.utcnow`()	Возвращает новую временную метку, представляющую день и время по UTC.
`Timestamp.utcoffset`	Возвращает self.tzinfo.utcoffset(self).
`Timestamp.utctimetuple`	Возвращает кортеж времени по UTC, совместимый с time.localtime().
`Timestamp.weekday`	Возвращает день недели, представленный датой.

Коллекция временных меток может храниться в arrays.DatetimeArray. Для данных с учётом часового пояса .dtype объекта DatetimeArray является DatetimeTZDtype. Для данных без учёта часового пояса используется np.dtype("datetime64[ns]").

Если данные с учётом часового пояса, то все значения в массиве должны иметь тот же часовой пояс.

`arrays.DatetimeArray`(значения[, тип_данных, частота, копия])	Расширенный массив Pandas для данных времени и даты без учёта часового пояса или с учётом часового пояса.
`DatetimeTZDtype`([единица, часовой_пояс])	Класс np.dtype, подходящий для хранения настраиваемого типа данных времени и даты с часовым поясом.

Данные Timedelta

NumPy может напрямую представлять timedelta. Pandas предоставляет Timedelta для симметрии с Timestamp.

Timedelta Представляет продолжительность, разницу между двумя датами или временами.

Свойства

`Timedelta.asm8`	Возвращает скалярное представление массива numpy timedelta64.
`Timedelta.components`	Возвращает объект, похожий на NamedTuple Components.
`Timedelta.days`	Количество дней.
`Timedelta.delta`	Возвращает временной интервал в наносекундах (нс) для внутренней совместимости.
`Timedelta.freq`
`Timedelta.is_populated`
`Timedelta.max`
`Timedelta.microseconds`	Количество микросекунд (>= 0 и меньше 1 секунды).
`Timedelta.min`
`Timedelta.nanoseconds`	Возвращает количество наносекунд (н), где 0 <= n < 1 микросекунда.
`Timedelta.resolution`	Возвращает строку, представляющую наименьшее разрешение временного интервала.
`Timedelta.seconds`	Количество секунд (>= 0 и меньше 1 дня).
`Timedelta.value`
`Timedelta.view`	Совместимость с представлением массива.

Методы

`Timedelta.ceil`	Возвращает новый временной интервал, округленный до данного разрешения вверх.
`Timedelta.floor`	Возвращает новый временной интервал, округленный до данного разрешения вниз.
`Timedelta.isoformat`	Форматирует временной интервал в формате ISO 8601, например `P[n]Y[n]M[n]DT[n]H[n]M[n]S`, где `[n]` заменяются значениями.
`Timedelta.round`	Округляет временной интервал до указанного разрешения.
`Timedelta.to_pytimedelta`	Возвращает объект datetime.timedelta. Примечание: разрешение наносекунд теряется, если это необходимо.
`Timedelta.to_timedelta64`	Возвращает объект numpy.timedelta64 с точностью ‘нс’.
`Timedelta.total_seconds`	Полная продолжительность временного интервала в секундах (с точностью до нс).

Коллекция временных интервалов может храниться в TimedeltaArray.

arrays.TimedeltaArray(values[, dtype, freq, …]) Расширенный массив Pandas для данных временных интервалов.

Данные временных интервалов

Pandas представляет временные интервалы в виде объектов Period.

Период

Period Представляет период времени.

Свойства

`Period.day`	Получить день месяца, на который выпадает период.
`Period.dayofweek`	День недели, в который попадает период, где понедельник=0, а воскресенье=6.
`Period.dayofyear`	Возвращает день года.
`Period.days_in_month`	Получить общее количество дней в месяце, на который выпадает этот период.
`Period.daysinmonth`	Получить общее количество дней в месяце, на который выпадает период.
`Period.end_time`
`Period.freq`
`Period.freqstr`
`Period.hour`	Получить компонент часа дня периода.
`Period.is_leap_year`
`Period.minute`	Получить компонент минуты часа периода.
`Period.month`
`Period.ordinal`
`Period.quarter`
`Period.qyear`	Финансовый год, в котором находится период, согласно его начальному кварталу.
`Period.second`	Получить компонент секунды периода.
`Period.start_time`	Получить метку времени Timestamp для начала периода.
`Period.week`	Получить номер недели в году для данного периода.
`Period.weekday`	День недели, в который попадает период, где понедельник=0, а воскресенье=6.
`Period.weekofyear`
`Period.year`

Методы

`Period.asfreq`	Преобразовать период в желаемую частоту, либо в начале, либо в конце интервала.
`Period.now`
`Period.strftime`	Возвращает строковое представление объекта `Period` в зависимости от выбранного `fmt`.
`Period.to_timestamp`	Возвращает представление Timestamp объекта Period на целевой частоте в указанном конце (how) периода.

Коллекция временных интервалов может храниться в arrays.PeriodArray. Каждый период в PeriodArray должен иметь одинаковую freq.

`arrays.DatetimeArray`(values[, dtype, freq, copy])	Расширенный массив Pandas для данных datetime с или без временной зоны.
`PeriodDtype`	Тип данных Period, подходящий для хранения периода с типом freq.

Данные интервалов

Произвольные интервалы могут быть представлены как объекты Interval.

Interval Неизменяемый объект, представляющий интервал, ограниченный интервал-подобный срез.

Свойства

`Interval.closed`	Закрыт ли интервал слева, справа, с обеих сторон или ни с одной
`Interval.closed_left`	Проверка, закрыт ли интервал слева.
`Interval.closed_right`	Проверка, закрыт ли интервал справа.
`Interval.left`	Левая граница интервала
`Interval.length`	Возвращает длину интервала
`Interval.mid`	Возвращает середину интервала
`Interval.open_left`	Проверка, открыт ли интервал слева.
`Interval.open_right`	Проверка, открыт ли интервал справа.
`Interval.overlaps`	Проверка перекрываются ли два интервала.
`Interval.right`	Правая граница интервала

Коллекция интервалов может храниться в arrays.IntervalArray.

`arrays.IntervalArray`	Массив Pandas для данных интервалов, закрытых с одной и той же стороны.
`IntervalDtype`	Тип данных Interval, подходящий для хранения интервала.

Целые числа с возможностью пропусков

numpy.ndarray не может напрямую представлять целые числа с пропущенными значениями. Pandas предоставляет это через arrays.IntegerArray.

`arrays.IntegerArray`(values, mask[, copy])	Массив целых чисел (с возможными пропущенными значениями).
`Int8Dtype`	Атрибуты
`Int16Dtype`	Атрибуты
`Int32Dtype`	Атрибуты
`Int64Dtype`	Атрибуты
`UInt8Dtype`	Атрибуты
`UInt16Dtype`	Атрибуты
`UInt32Dtype`	Атрибуты
`UInt64Dtype`	Атрибуты

Категориальные данные

Pandas определяет пользовательский тип данных для представления данных, которые могут принимать только ограниченный, фиксированный набор значений. Тип данных Categorical может быть описан pandas.api.types.CategoricalDtype.

CategoricalDtype([categories, ordered]) Тип для категориальных данных с категориями и упорядоченностью

`CategoricalDtype.categories`	Массив `Index`, содержащий уникальные разрешенные категории.
`CategoricalDtype.ordered`	Упорядочены ли категории.

Категориальные данные могут храниться в pandas.Categorical

Categorical(values[, categories, ordered, …]) Представляет категориальную переменную в стиле классического R/S-plus.

Альтернативный конструктор Categorical.from_codes() может быть использован, когда у вас уже есть категории и целочисленные коды:

Categorical.from_codes(codes[, categories, …]) Создает категориальный тип из кодов и категорий или типа данных.

Информация о типе данных доступна в Categorical

`Categorical.dtype`	Тип данных для данного экземпляра.
`Categorical.categories`	Категории данного категориального типа.
`Categorical.ordered`	Упорядочены ли категории.
`Categorical.codes`	Коды категорий данного категориального типа.

np.asarray(categorical) работает, реализуя интерфейс массива. Обратите внимание, что это преобразует Categorical обратно в массив NumPy, поэтому информация о категориях и порядке не сохраняется!

Categorical.__array__([dtype]) Интерфейс массива NumPy.

Categorical может храниться в Series или DataFrame. Для создания Series типа category, используйте cat = s.astype(dtype) или Series(..., dtype=dtype), где dtype это

строка 'category'
экземпляр CategoricalDtype.

Если Series имеет тип CategoricalDtype, Series.cat может быть использован для изменения категориальных данных. См. Категориальный аксессор для более подробной информации.

Разряженные данные

Данные, где одно и то же значение повторяется много раз (например, 0 или NaN могут быть эффективно сохранены как SparseArray.

`SparseArray`(data[, sparse_index, index, …])	Расширение массива для хранения разреженных данных.
`SparseDtype`([dtype, fill_value])	Тип данных для данных, хранящихся в `SparseArray`.

Доступ к разреженным атрибутам и методам может быть получен с помощью Series.sparse аксессора, если Series содержит разреженные значения. См. Разреженный аксессор для получения дополнительной информации.

© 2008–2012, AQR Capital Management, LLC, Lambda Foundry, Inc. and PyData Development Team
Licensed under the 3-clause BSD License.
https://pandas.pydata.org/pandas-docs/version/0.24.2/reference/arrays.html

Pandas Массивы

Данные даты и времени

Свойства

Методы

Данные Timedelta

Свойства

Методы

Данные временных интервалов

Период

Свойства

Методы

Данные интервалов

Свойства

Целые числа с возможностью пропусков

Атрибуты

Атрибуты

Атрибуты

Атрибуты

Атрибуты

Атрибуты

Атрибуты

Атрибуты

Категориальные данные

Разряженные данные