pandas.api.types.infer_dtype

pandas.api.types.infer_dtype()

Возвращает строковое обозначение типа скалярного значения или списка значений.

Параметры

значение:скаляр, список, массив ndarray или тип pandas

skipna:bool, по умолчанию True

Игнорировать значения NaN при определении типа.

Возвращает

str

Описание общего типа входных данных.

Результаты могут включать:

• строка

• байты

• вещественный

• целый

• смешанный целый

• смешанный целый-вещественный

• десятичный

• комплексный

• категориальный

• логический

• datetime64

• datetime

• дата

• timedelta64

• timedelta

• время

• период

• смешанный

• неизвестный массив

Возбуждает

TypeError

Если ndarray-подобный, но тип не может быть определён

Примечания

• ‘смешанный’ — это общее обозначение для всего, что не относится к другим специализированным типам

• ‘смешанный целый-вещественный’ — это вещественные и целые числа

• ‘смешанный целый’ — это целые числа смешанные с нецелыми значениями

• ‘неизвестный массив’ — это общее обозначение для чего-то, что является массивом (имеет атрибут dtype), но тип имеет неизвестный для pandas (например, внешний массив расширения)

Примеры

>>> import datetime
>>> 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])
'boolean'

>>> 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'