pandas массивы, скаляры и типы данных

Объекты

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. Псевдонимы строк для этих типов можно найти в dtypes.

Тип данных	Тип данных pandas	Скаляр	Массив
Дата и время с учетом часового пояса	`DatetimeTZDtype`	`Timestamp`	Даты и время
Длительности	(нет)	`Timedelta`	Длительности
Периоды (промежутки времени)	`PeriodDtype`	`Period`	Периоды
Промежутки	`IntervalDtype`	`Interval`	Промежутки
Целые числа с возможностью пропусков	`Int64Dtype`, …	(нет)	Целые числа с возможностью пропусков
Вещественные числа с возможностью пропусков	`Float64Dtype`, …	(нет)	Вещественные числа с возможностью пропусков
Категориальные	`CategoricalDtype`	(нет)	Категории
Разреженные	`SparseDtype`	(нет)	Разреженные
Строки	`StringDtype`	`str`	Строки
Логические с возможностью пропусков	`BooleanDtype`	`bool`	Логические с возможностью пропусков
PyArrow	`ArrowDtype`	Скаляры Python или `NA`	PyArrow

pandas и сторонние библиотеки могут расширять систему типов NumPy (см. Расширяемые типы). Метод верхнего уровня array() может использоваться для создания нового массива, который может храниться в Series, Index или как столбец в DataFrame.

array(data[, dtype, copy])

Создать массив.

PyArrow

Предупреждение

Эта функция является экспериментальной, и API может измениться в будущей версии без предупреждения.

The arrays.ArrowExtensionArray is backed by a pyarrow.ChunkedArray with a pyarrow.DataType instead of a NumPy array and data type. The .dtype of a arrays.ArrowExtensionArray is an ArrowDtype.

Pyarrow provides similar array and data type support as NumPy including first-class nullability support for all data types, immutability and more.

Таблица ниже показывает эквивалентные типы на основе pyarrow (pa), расширение pandas и numpy (np), которые распознаются pandas. Типы на основе pyarrow ниже должны передаваться в ArrowDtype для распознавания pandas, например pd.ArrowDtype(pa.bool_())

Тип PyArrow	Тип расширения pandas	Тип NumPy
`pyarrow.bool_()`	`BooleanDtype`	`np.bool_`
`pyarrow.int8()`	`Int8Dtype`	`np.int8`
`pyarrow.int16()`	`Int16Dtype`	`np.int16`
`pyarrow.int32()`	`Int32Dtype`	`np.int32`
`pyarrow.int64()`	`Int64Dtype`	`np.int64`
`pyarrow.uint8()`	`UInt8Dtype`	`np.uint8`
`pyarrow.uint16()`	`UInt16Dtype`	`np.uint16`
`pyarrow.uint32()`	`UInt32Dtype`	`np.uint32`
`pyarrow.uint64()`	`UInt64Dtype`	`np.uint64`
`pyarrow.float32()`	`Float32Dtype`	`np.float32`
`pyarrow.float64()`	`Float64Dtype`	`np.float64`
`pyarrow.time32()`	(none)	(none)
`pyarrow.time64()`	(none)	(none)
`pyarrow.timestamp()`	`DatetimeTZDtype`	`np.datetime64`
`pyarrow.date32()`	(none)	(none)
`pyarrow.date64()`	(none)	(none)
`pyarrow.duration()`	(none)	`np.timedelta64`
`pyarrow.binary()`	(none)	(none)
`pyarrow.string()`	`StringDtype`	`np.str_`
`pyarrow.decimal128()`	(none)	(none)
`pyarrow.list_()`	(none)	(none)
`pyarrow.map_()`	(none)	(none)
`pyarrow.dictionary()`	`CategoricalDtype`	(none)

Примечание

Поддержка строк на основе Pyarrow обеспечивается как pd.StringDtype("pyarrow") так и pd.ArrowDtype(pa.string()). pd.StringDtype("pyarrow") описан ниже в разделе о строках и будет возвращен, если указано псевдоним строки "string[pyarrow]". pd.ArrowDtype(pa.string()) обычно обладает лучшей совместимостью с ArrowDtype различных типов.

Хотя отдельные значения в arrays.ArrowExtensionArray хранятся как объекты PyArrow, скаляры возвращаются как скаляры Python, соответствующие типу данных, например, PyArrow int64 будет возвращен как целое число Python или NA для пропущенных значений.

arrays.ArrowExtensionArray(values)

Pandas ExtensionArray, поддерживаемый PyArrow ChunkedArray.

ArrowDtype(pyarrow_dtype)

Тип ExtensionDtype для типов данных PyArrow.

Дополнительную информацию можно найти в руководстве пользователя PyArrow

Даты и время

NumPy не может напрямую представлять даты и время с часовыми поясами. pandas поддерживает это с помощью расширяемого массива arrays.DatetimeArray, который может содержать значения без часового пояса или с часовым поясом.

Timestamp, подкласс datetime.datetime, является скалярным типом pandas для данных даты и времени без часового пояса или с часовым поясом. NaT — это значение отсутствия для данных даты и времени.

Timestamp([ts_input, year, month, day, ...])

Замена pandas для объекта python datetime.datetime.

Свойства

`Timestamp.asm8`	Возвращает формат numpy datetime64 в наносекундах.
`Timestamp.day`
`Timestamp.dayofweek`	Возвращает день недели.
`Timestamp.day_of_week`	Возвращает день недели.
`Timestamp.dayofyear`	Возвращает день года.
`Timestamp.day_of_year`	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`	Проверяет, является ли дата последним днем месяца.
`Timestamp.is_month_start`	Проверяет, является ли дата первым днем месяца.
`Timestamp.is_quarter_end`	Проверяет, является ли дата последним днем квартала.
`Timestamp.is_quarter_start`	Проверяет, является ли дата первым днем 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`
`Timestamp.second`
`Timestamp.tz`	Псевдоним для tzinfo.
`Timestamp.tzinfo`
`Timestamp.unit`	Аббревиатура, связанная с self._creso.
`Timestamp.value`
`Timestamp.week`	Возвращает номер недели года.
`Timestamp.weekofyear`	Возвращает номер недели года.
`Timestamp.year`

Методы

`Timestamp.as_unit`(unit[, round_ok])	Преобразовать внутреннее представление int64 в заданный единицу.
`Timestamp.astimezone`(tz)	Преобразовать объект Timestamp с часовым поясом в другой часовой пояс.
`Timestamp.ceil`(freq[, ambiguous, nonexistent])	Возвращает новый объект Timestamp, округленный до указанного разрешения.
`Timestamp.combine`(date, time)	Объединить дату и время в 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 днем.
`Timestamp.day_name`([locale])	Возвращает имя дня недели Timestamp с указанным языковым стандартом.
`Timestamp.dst`()	Возвращает корректировку летнего времени.
`Timestamp.floor`(freq[, ambiguous, nonexistent])	Возвращает новый объект Timestamp, округленный вниз до указанного разрешения.
`Timestamp.fromordinal`(ordinal[, tz])	Создает объект Timestamp из пролептического григорианского порядкового номера.
`Timestamp.fromtimestamp`(ts)	Преобразует временную метку[, tz] в локальное время tz из POSIX-временной метки.
`Timestamp.isocalendar`()	Возвращает кортеж с годом ISO, номером недели и днем недели.
`Timestamp.isoformat`([sep, timespec])	Возвращает время в формате ISO 8601.
`Timestamp.isoweekday`()	Возвращает день недели, представленный датой.
`Timestamp.month_name`([locale])	Возвращает имя месяца Timestamp с указанным языковым стандартом.
`Timestamp.normalize`()	Нормализует объект Timestamp до полуночи, сохраняя информацию о часовом поясе.
`Timestamp.now`([tz])	Возвращает новый объект Timestamp, представляющий текущее время в локальном часовом поясе tz.
`Timestamp.replace`([year, month, day, hour, ...])	Реализует datetime.replace, обрабатывает наносекунды.
`Timestamp.round`(freq[, ambiguous, nonexistent])	Округляет объект Timestamp до указанного разрешения.
`Timestamp.strftime`(format)	Возвращает отформатированную строку объекта Timestamp.
`Timestamp.strptime`(string, format)	Функция не реализована.
`Timestamp.time`()	Возвращает объект time с тем же временем, но с tzinfo=None.
`Timestamp.timestamp`()	Возвращает POSIX-временную метку как число 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 той же точностью.
`Timestamp.to_numpy`([dtype, copy])	Преобразует Timestamp в NumPy datetime64.
`Timestamp.to_julian_date`()	Преобразует TimeStamp в юлианскую дату.
`Timestamp.to_period`([freq])	Возвращает период, в котором этот объект Timestamp является наблюдением.
`Timestamp.to_pydatetime`([warn])	Преобразует объект Timestamp в базовый объект Python datetime.
`Timestamp.today`([tz])	Возвращает текущее время в локальном часовом поясе.
`Timestamp.toordinal`()	Возвращает пролептический григорианский порядковый номер.
`Timestamp.tz_convert`(tz)	Преобразует объект Timestamp с часовым поясом в другой часовой пояс.
`Timestamp.tz_localize`(tz[, ambiguous, ...])	Локализует объект Timestamp в часовом поясе.
`Timestamp.tzname`()	Возвращает имя часового пояса.
`Timestamp.utcfromtimestamp`(ts)	Создает объект datetime в UTC из POSIX-временной метки.
`Timestamp.utcnow`()	Возвращает новый объект Timestamp, представляющий текущее время и дату в UTC.
`Timestamp.utcoffset`()	Возвращает смещение UTC.
`Timestamp.utctimetuple`()	Возвращает кортеж времени UTC, совместимый с time.localtime().
`Timestamp.weekday`()	Возвращает день недели, представленный датой.

Коллекция timestamp может храниться в arrays.DatetimeArray. Для данных с часовыми поясами, .dtype объекта arrays.DatetimeArray является DatetimeTZDtype. Для данных без часового пояса используется np.dtype("datetime64[ns]").

Если данные учитывают часовой пояс, то каждое значение в массиве должно иметь одинаковый часовой пояс.

arrays.DatetimeArray(values[, dtype, freq, copy])

Расширенный массив Pandas для данных даты и времени без или с учётом часового пояса.

DatetimeTZDtype([unit, tz])

Расширенный тип данных для данных даты и времени с учётом часового пояса.

Продолжительности

NumPy может напрямую представлять продолжительности. pandas предоставляет Timedelta для симметрии с Timestamp. NaT — это значение отсутствия для данных продолжительности.

Timedelta([value, unit])

Представляет продолжительность, разницу между двумя датами или временами.

Свойства

`Timedelta.asm8`	Возвращает массив NumPy timedelta64, представление скаляра.
`Timedelta.components`	Возвращает кортеж-подобный объект с компонентами.
`Timedelta.days`	Возвращает количество дней в продолжительности.
`Timedelta.max`
`Timedelta.microseconds`
`Timedelta.min`
`Timedelta.nanoseconds`	Возвращает количество наносекунд (n), где 0 ≤ n < 1 микросекунда.
`Timedelta.resolution`
`Timedelta.seconds`	Возвращает общее количество часов, минут и секунд продолжительности в секундах.
`Timedelta.unit`
`Timedelta.value`
`Timedelta.view`(dtype)	Совместимость с представлением массива.

Методы

`Timedelta.as_unit`(unit[, round_ok])	Преобразует внутреннее целочисленное представление в заданные единицы измерения.
`Timedelta.ceil`(freq)	Возвращает новую продолжительность, округлённую до заданного разрешения.
`Timedelta.floor`(freq)	Возвращает новую продолжительность, округленную вниз до заданного разрешения.
`Timedelta.isoformat`()	Форматирует продолжительность как ISO 8601 Duration.
`Timedelta.round`(freq)	Округляет продолжительность до указанного разрешения.
`Timedelta.to_pytimedelta`()	Преобразует объект pandas Timedelta в объект Python `datetime.timedelta`.
`Timedelta.to_timedelta64`()	Возвращает объект numpy.timedelta64 с точностью 'ns'.
`Timedelta.to_numpy`([dtype, copy])	Преобразует Timedelta в NumPy timedelta64.
`Timedelta.total_seconds`()	Общее количество секунд в продолжительности.

Коллекция Timedelta может быть сохранена в TimedeltaArray.

arrays.TimedeltaArray(values[, dtype, freq, ...])

Расширенный массив Pandas для данных продолжительности.

Периоды

pandas представляет промежутки времени как объекты Period.

Период

Period([value, freq, ordinal, year, month, ...])

Представляет период времени.

Свойства

`Period.day`	Получить день месяца, на который приходится период.
`Period.dayofweek`	День недели, в который попадает период, где понедельник = 0, а воскресенье = 6.
`Period.day_of_week`	День недели, в который попадает период, где понедельник = 0, а воскресенье = 6.
`Period.dayofyear`	Возвращает день года.
`Period.day_of_year`	Возвращает день года.
`Period.days_in_month`	Получить общее количество дней в месяце, на который приходится этот период.
`Period.daysinmonth`	Получить общее количество дней в месяце, на который приходится этот период.
`Period.end_time`	Получить объект Timestamp для конца периода.
`Period.freq`
`Period.freqstr`	Возвращает строковое представление частоты.
`Period.hour`	Получить компонент часа дня периода.
`Period.is_leap_year`	Возвращает True, если год периода является високосным.
`Period.minute`	Получить компонент минуты часа периода.
`Period.month`	Возвращает месяц, на который приходится этот период.
`Period.ordinal`
`Period.quarter`	Возвращает квартал, на который приходится этот период.
`Period.qyear`	Финансовый год, в котором находится период, согласно его начальному кварталу.
`Period.second`	Получить компонент секунды периода.
`Period.start_time`	Получить объект Timestamp для начала периода.
`Period.week`	Получить номер недели года для данного периода.
`Period.weekday`	День недели, в который попадает период, где понедельник = 0, а воскресенье = 6.
`Period.weekofyear`	Получить номер недели года для данного периода.
`Period.year`	Возвращает год, на который приходится этот период.

Методы

`Period.asfreq`(freq[, how])	Преобразование периода к желаемой частоте, в начале или конце интервала.
`Period.now`(freq)	Возвращает период текущей даты.
`Period.strftime`(fmt)	Возвращает отформатированное строковое представление `Period`.
`Period.to_timestamp`([freq, how])	Возвращает представление периода в формате Timestamp.

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

arrays.PeriodArray(values[, dtype, freq, copy])

Расширенный массив Pandas для хранения данных Period.

PeriodDtype(freq)

Расширенный тип данных для Period данных.

Интервалы

Произвольные интервалы могут быть представлены как объекты Interval.

Interval

Неизменяемый объект, реализующий интервал, ограниченный срез-подобный интервал.

Свойства

`Interval.closed`	Строка, описывающая включающие стороны интервалов.
`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 не содержит ни одной точки.
`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`(other)	Проверка, перекрываются ли два объекта Interval.
`Interval.right`	Правая граница интервала.

Коллекция интервалов может храниться в arrays.IntervalArray.

arrays.IntervalArray(data[, closed, dtype, ...])

Массив Pandas для интервальных данных, которые закрыты с той же стороны.

IntervalDtype([subtype, closed])

Тип расширения для интервальных данных.

Целые числа с возможными пропусками

numpy.ndarray не может напрямую представлять целочисленные данные с пропусками. pandas предоставляет это через arrays.IntegerArray.

arrays.IntegerArray(values, mask[, copy])

Массив целых (с возможными пропусками) значений.

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

Вещественные числа с возможными пропусками

arrays.FloatingArray(values, mask[, copy])

Массив вещественных (с возможными пропусками) значений.

`Float32Dtype`()	Тип расширения для данных float32.
`Float64Dtype`()	Тип расширения для данных float64.

END_OF_DOCUMENT_MARKER

Категориальные

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

CategoricalDtype([categories, ordered])

Тип для категориальных данных с категориями и упорядоченностью.

`CategoricalDtype.categories`	Список `Index`, содержащий уникальные разрешенные категории.
`CategoricalDtype.ordered`	Указывается, существует ли упорядоченное отношение между категориями.

Категориальные данные могут быть сохранены 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, ...])

Создаёт тип Categorical из кодов и категорий или типа данных.

Информация о типе данных доступна в Categorical

`Categorical.dtype`	Тип данных `CategoricalDtype` для этого экземпляра.
`Categorical.categories`	Категории этого категориального типа.
`Categorical.ordered`	Указывает, существуют ли упорядоченные отношения между категориями.
`Categorical.codes`	Коды категорий этого категориального индекса.

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, copy])

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 использовано для изменения категориальных данных. Дополнительные сведения см. в Доступ к категориальным данным.

Разряженные

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

arrays.SparseArray(data[, sparse_index, ...])

Расширенный массив для хранения разряженных данных.

SparseDtype([dtype, fill_value])

Тип данных для данных, хранящихся в SparseArray.

Доступ к разряженным атрибутам и методам может быть получен с помощью Series.sparse аксессора, если Series содержит разряженные значения. Дополнительные сведения см. в Доступ к разряженным данным и руководстве пользователя.

Строки

При работе с текстовыми данными, где каждый допустимый элемент — строка или пропуск, рекомендуется использовать StringDtype (с псевдонимом "string").

`arrays.StringArray`(values[, copy])	Расширенный массив для строковых данных.
`arrays.ArrowStringArray`(values)	Расширенный массив для строковых данных в `pyarrow.ChunkedArray`.

StringDtype([storage])

Расширенный тип данных для строковых данных.

Аксессор Series.str доступен для Series, поддерживаемых arrays.StringArray. Дополнительные сведения см. в Обработка строк.

Необязательные булевы

Тип данных boolean (с псевдонимом "boolean") предоставляет поддержку хранения булевых данных (True, False) с пропущенными значениями, что невозможно с bool-массивом numpy.ndarray.

arrays.BooleanArray(values, mask[, copy])

Массив булевых (True/False) данных с пропущенными значениями.

BooleanDtype()

Расширенный тип данных для булевых данных.

Утилиты

Конструкторы

`api.types.union_categoricals`(to_union[, ...])	Объединить список категорий, объединяя категории.
`api.types.infer_dtype`(value[, skipna])	Возвращает строковое обозначение типа скаляра или списка значений.
`api.types.pandas_dtype`(dtype)	Преобразовать входные данные в объект типа pandas или numpy.

Проверка типа данных

`api.types.is_any_real_numeric_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом вещественного числа.
`api.types.is_bool_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом булевых значений.
`api.types.is_categorical_dtype`(arr_or_dtype)	(УСТАРЕЛО) Проверить, является ли массив или тип данных типом Categorical.
`api.types.is_complex_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом комплексных чисел.
`api.types.is_datetime64_any_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом datetime64.
`api.types.is_datetime64_dtype`(arr_or_dtype)	Проверить, является ли массив или тип данных типом datetime64.
`api.types.is_datetime64_ns_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом datetime64[ns].
`api.types.is_datetime64tz_dtype`(arr_or_dtype)	(УСТАРЕЛО) Проверить, является ли массив или тип данных типом DatetimeTZDtype.
`api.types.is_extension_array_dtype`(arr_or_dtype)	Проверить, является ли объект типом расширенного массива pandas.
`api.types.is_float_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом float.
`api.types.is_int64_dtype`(arr_or_dtype)	(УСТАРЕЛО) Проверить, является ли предоставленный массив или тип данных типом int64.
`api.types.is_integer_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных целочисленным типом.
`api.types.is_interval_dtype`(arr_or_dtype)	(УСТАРЕЛО) Проверить, является ли массив или тип данных типом Interval.
`api.types.is_numeric_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных числовым типом.
`api.types.is_object_dtype`(arr_or_dtype)	Проверить, является ли массив или тип данных типом object.
`api.types.is_period_dtype`(arr_or_dtype)	(УСТАРЕЛО) Проверить, является ли массив или тип данных типом Period.
`api.types.is_signed_integer_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом знакового целого числа.
`api.types.is_string_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных строковым типом.
`api.types.is_timedelta64_dtype`(arr_or_dtype)	Проверить, является ли массив или тип данных типом timedelta64.
`api.types.is_timedelta64_ns_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом timedelta64[ns].
`api.types.is_unsigned_integer_dtype`(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом беззнакового целого числа.
`api.types.is_sparse`(arr)	(УСТАРЕЛО) Проверить, является ли массив 1-мерным разреженным массивом pandas.

Проверка итерируемых объектов

`api.types.is_dict_like`(obj)	Проверить, является ли объект похожим на словарь.
`api.types.is_file_like`(obj)	Проверить, является ли объект файловым объектом.
`api.types.is_list_like`(obj[, allow_sets])	Проверить, является ли объект списком.
`api.types.is_named_tuple`(obj)	Проверить, является ли объект именованной кортежем.
`api.types.is_iterator`(obj)	Проверить, является ли объект итератором.

Вспомогательные функции для скалярных объектов

`api.types.is_bool`(obj)	Возвращает True, если объект является булевым.
`api.types.is_complex`(obj)	Возвращает True, если объект является комплексным.
`api.types.is_float`(obj)	Возвращает True, если объект является числом с плавающей точкой.
`api.types.is_hashable`(obj)	Возвращает True, если hash(obj) выполняется успешно, иначе False.
`api.types.is_integer`(obj)	Возвращает True, если объект является целым числом.
`api.types.is_interval`(obj)
`api.types.is_number`(obj)	Проверяет, является ли объект числом.
`api.types.is_re`(obj)	Проверяет, является ли объект экземпляром шаблона регулярного выражения.
`api.types.is_re_compilable`(obj)	Проверяет, можно ли скомпилировать объект в экземпляр шаблона регулярного выражения.
`api.types.is_scalar`(val)	Возвращает True, если объект является скалярным.

© 2008–2022, 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/2.2.2/reference/arrays.html