Массивы Pandas

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 с учётом часового пояса	`DatetimeTZDtype`	`Timestamp`	Данные дат
Длительности	(нет)	`Timedelta`	Данные длительностей
Периоды (временные интервалы)	`PeriodDtype`	`Period`	Данные интервалов времени
Интервалы	`IntervalDtype`	`Interval`	Данные интервалов
Целые числа с пропусками	`Int64Dtype`, …	(нет)	Целые числа с пропусками
Категориальные	`CategoricalDtype`	(нет)	Категориальные данные
Разреженные	`SparseDtype`	(нет)	Разреженные данные

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

array(data, dtype, numpy.dtype, …) Создать массив.

Данные дат

NumPy не может напрямую представлять даты с учётом часового пояса. Pandas поддерживает это с помощью расширяемого массива arrays.DatetimeArray, который может хранить значения с или без учёта часового пояса.

Timestamp, подкласс datetime.datetime, является скалярным типом Pandas для дат с или без учёта часового пояса.

Timestamp Замена объекта python datetime.datetime в Pandas.

Свойства

`Timestamp.asm8`	Возвращает формат NumPy datetime64 в наносекундах.
`Timestamp.day`
`Timestamp.dayofweek`	Возвращает день недели.
`Timestamp.dayofyear`	Возвращает день года.
`Timestamp.days_in_month`	Возвращает количество дней в месяце.
`Timestamp.daysinmonth`	Возвращает количество дней в месяце.
`Timestamp.fold`
`Timestamp.hour`
`Timestamp.is_leap_year`	Возвращает True, если год високосный.
`Timestamp.is_month_end`	Возвращает True, если дата – последний день месяца.
`Timestamp.is_month_start`	Возвращает True, если дата – первый день месяца.
`Timestamp.is_quarter_end`	Возвращает True, если дата – последний день квартала.
`Timestamp.is_quarter_start`	Возвращает True, если дата – первый день квартала.
`Timestamp.is_year_end`	Возвращает True, если дата – последний день года.
`Timestamp.is_year_start`	Возвращает True, если дата – первый день года.
`Timestamp.max`
`Timestamp.microsecond`
`Timestamp.min`
`Timestamp.minute`
`Timestamp.month`
`Timestamp.nanosecond`
`Timestamp.quarter`	Возвращает квартал года.
`Timestamp.resolution`	Возвращает разрешение, описывающее наименьшую разницу между двумя моментами времени, которые могут быть представлены объектом Timestamp.
`Timestamp.second`
`Timestamp.tz`	Псевдоним для tzinfo
`Timestamp.tzinfo`
`Timestamp.value`
`Timestamp.week`	Возвращает номер недели в году.
`Timestamp.weekofyear`	Возвращает номер недели в году.
`Timestamp.year`

Методы

`Timestamp.astimezone`(self, tz)	Преобразовать часовой пояс Timestamp с учётом часового пояса в другой часовой пояс.
`Timestamp.ceil`(self, freq[, ambiguous, …])	возвращает новый Timestamp, округленный до этого разрешения
`Timestamp.combine`(date, time)	date, time -> datetime с теми же полями даты и времени
`Timestamp.ctime`()	Возвращает строку в формате ctime().
`Timestamp.date`()	Возвращает объект date с тем же годом, месяцем и днём.
`Timestamp.day_name`(self[, locale])	Возвращает имя дня Timestamp с указанным языковым стандартом.
`Timestamp.dst`()	Возвращает self.tzinfo.dst(self).
`Timestamp.floor`(self, freq[, ambiguous, …])	возвращает новый Timestamp, округленный вниз до этого разрешения
`Timestamp.freq`
`Timestamp.freqstr`	Возвращает общее количество дней в месяце.
`Timestamp.fromordinal`(ordinal[, freq, tz])	при передаче порядкового номера, выполняет преобразование и конвертацию в ts. Примечание: по определению в самом порядковом номере не может быть информации о часовом поясе.
`Timestamp.fromtimestamp`(ts)	timestamp[, tz] -> локальное время tz из POSIX timestamp.
`Timestamp.isocalendar`()	Возвращает кортеж из 3 элементов: год по ISO, номер недели и день недели.
`Timestamp.isoformat`(self[, sep])
`Timestamp.isoweekday`()	Возвращает день недели, представленный датой.
`Timestamp.month_name`(self[, locale])	Возвращает имя месяца Timestamp с указанным языковым стандартом.
`Timestamp.normalize`(self)	Нормализует Timestamp до полуночи, сохраняя информацию о часовом поясе.
`Timestamp.now`([tz])	Возвращает новый объект Timestamp, представляющий текущее время по местному времени tz.
`Timestamp.replace`(self[, year, month, day, …])	реализует datetime.replace, обрабатывает наносекунды
`Timestamp.round`(self, freq[, ambiguous, …])	Округляет Timestamp до указанного разрешения
`Timestamp.strftime`()	format -> строка в формате strftime().
`Timestamp.strptime`(string, format)	Функция не реализована.
`Timestamp.time`()	Возвращает объект time с тем же временем, но с tzinfo=None.
`Timestamp.timestamp`()	Возвращает POSIX timestamp 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_numpy`()	Преобразовать Timestamp в NumPy datetime64.
`Timestamp.to_julian_date`(self)	Преобразовать TimeStamp в юлианскую дату.
`Timestamp.to_period`(self[, freq])	Возвращает период, к которому относится эта метка времени.
`Timestamp.to_pydatetime`()	Преобразовать 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`(self, tz)	Преобразовать часовой пояс Timestamp с учётом часового пояса в другой часовой пояс.
`Timestamp.tz_localize`(self, tz[, ambiguous, …])	Преобразовать незадаточный Timestamp в местный часовой пояс или удалить часовой пояс из Timestamp с учётом часового пояса.
`Timestamp.tzname`()	Возвращает self.tzinfo.tzname(self).
`Timestamp.utcfromtimestamp`(ts)	Создаёт незадаточную дату и время UTC из POSIX timestamp.
`Timestamp.utcnow`()	Возвращает новый Timestamp, представляющий день и время по UTC.
`Timestamp.utcoffset`()	Возвращает self.tzinfo.utcoffset(self).
`Timestamp.utctimetuple`()	Возвращает кортеж времени UTC, совместимый с time.localtime().
`Timestamp.weekday`()	Возвращает день недели, представленный датой.

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

Если данные учитывают часовой пояс, то все значения в массиве должны иметь один и тот же часовой пояс.

arrays.DatetimeArray(values[, dtype, freq, copy]) Расширенный массив Pandas для данных datetime без или с учётом часового пояса.

DatetimeTZDtype([unit, tz]) Тип расширенных данных для данных datetime с учётом часового пояса.

Данные интервала времени

NumPy может непосредственно представлять интервалы времени. Pandas предоставляет Timedelta для симметрии с Timestamp.

Timedelta Представляет длительность, разницу между двумя датами или временами.

Свойства

`Timedelta.asm8`	Возвращает представление скаляра массива numpy timedelta64.
`Timedelta.components`	Возвращает кортеж-подобный объект с компонентами.
`Timedelta.days`	Количество дней.
`Timedelta.delta`	Возвращает длительность 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 Timedelta.
`Timedelta.seconds`	Количество секунд (>= 0 и меньше 1 дня).
`Timedelta.value`
`Timedelta.view`()	Совместимость с представлением массива.

Методы

`Timedelta.ceil`(self, freq)	Возвращает новый Timedelta, округленный до заданного разрешения вверх.
`Timedelta.floor`(self, freq)	Возвращает новый Timedelta, округленный до заданного разрешения вниз.
`Timedelta.isoformat`()	Форматирует Timedelta как ISO 8601 Duration, например `P[n]Y[n]M[n]DT[n]H[n]M[n]S`, где `[n]` заменяются значениями.
`Timedelta.round`(self, freq)	Округляет Timedelta до указанного разрешения.
`Timedelta.to_pytimedelta`()	Преобразует объект pandas Timedelta в объект python timedelta.
`Timedelta.to_timedelta64`()	Возвращает объект numpy.timedelta64 с точностью 'нс'.
`Timedelta.to_numpy`()	Преобразует Timestamp в NumPy timedelta64.
`Timedelta.total_seconds`()	Общая длительность Timedelta в секундах (с точностью до нс).

Коллекция timedeltas может храниться в TimedeltaArray.

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

Данные временных интервалов

Pandas представляет временные интервалы как объекты Period.

Период

Period Представляет период времени.

Свойства

`Period.day`	Получение дня месяца, на который попадает период.
`Period.dayofweek`	День недели, в который попадает период, понедельник=0, воскресенье=6.
`Period.dayofyear`	Возвращает день года.
`Period.days_in_month`	Получение общего количества дней в месяце, на который попадает период.
`Period.daysinmonth`	Получение общего количества дней в месяце, на который попадает период.
`Period.end_time`
`Period.freq`
`Period.freqstr`
`Period.hour`	Получение компоненты часа периода.
`Period.is_leap_year`
`Period.minute`	Получение компоненты минуты периода.
`Period.month`
`Period.ordinal`
`Period.quarter`
`Period.qyear`	Финансовый год, в котором находится период, согласно начальному кварталу.
`Period.second`	Получение компоненты секунды периода.
`Period.start_time`	Получение Timestamp начала периода.
`Period.week`	Получение недели года для данного периода.
`Period.weekday`	День недели, в который попадает период, понедельник=0, воскресенье=6.
`Period.weekofyear`
`Period.year`

Методы

`Period.asfreq`()	Преобразовать Period к нужному частоте, либо в начале, либо в конце интервала.
`Period.now`()
`Period.strftime`()	Возвращает строковое представление `Period`, в зависимости от выбранного `fmt`.
`Period.to_timestamp`()	Возвращает представление Timestamp Period в заданной частоте в конце (как) периода.

END_OF_DOCUMENT_MARKER

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

arrays.PeriodArray(values[, freq, dtype, copy]) Расширенный массив Pandas для хранения данных Period.

PeriodDtype Тип расширенных данных для Period.

Данные интервалов

Произвольные интервалы могут быть представлены как объекты Interval.

Interval Неизменяемый объект, реализующий 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.is_empty`	Указывает, является ли интервал пустым, то есть он не содержит никаких точек.
`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`()	Проверяет, перекрываются ли два объекта Interval.
`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 расширенных данных для данных Interval.

Целые числа с возможными пропущенными значениями

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

arrays.IntegerArray(values, mask[, copy]) Массив целых чисел (с возможными пропущенными значениями).

`Int8Dtype`	Тип расширенных данных для целых чисел int8.
`Int16Dtype`	Тип расширенных данных для целых чисел int16.
`Int32Dtype`	Тип расширенных данных для целых чисел int32.
`Int64Dtype`	Тип расширенных данных для целых чисел int64.
`UInt8Dtype`	Тип расширенных данных для целых чисел uint8.
`UInt16Dtype`	Тип расширенных данных для целых чисел uint16.
`UInt32Dtype`	Тип расширенных данных для целых чисел uint32.
`UInt64Dtype`	Тип расширенных данных для целых чисел uint64.

Категориальные данные

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

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

`CategoricalDtype.categories`	`Index`, содержащий уникальные разрешенные категории.
`CategoricalDtype.ordered`	Указывает, имеют ли категории упорядоченное отношение.

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 использоваться, когда у вас уже есть категории и целочисленные коды:

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

Информация о типе данных доступна в Categorical

`Categorical.dtype`	Тип `CategoricalDtype` для данного экземпляра
`Categorical.categories`	Категории этого категориального типа.
`Categorical.ordered`	Указывает, имеют ли категории упорядоченное отношение.
`Categorical.codes`	Коды категорий этого категориального типа.

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

Categorical.__array__(self[, 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 использована для изменения категориальных данных. Подробнее см. Категориальный аксессор.

Данные разреженных массивов

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

SparseArray(data[, sparse_index, index, …]) Расширенный массив для хранения разреженных данных.

SparseDtype(dtype, numpy.dtype, …) Тип данных для данных, хранящихся в SparseArray.

Доступ к атрибутам и методам, специфичным для разреженных данных, может быть получен с помощью аксессора Series.sparse, если Series содержит разреженные значения. См. Аксессор для разреженных данных для более подробной 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/0.25.0/reference/arrays.html