首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Pandas 2.2 中文官方教程指南(十六)

在转换部分中解释了将其转换为这些 dtype 简单方法。 算术比较操作中传播 一般来说,在涉及 NA 操作中,缺失值会传播。当其中一个操作数未知时,操作结果也是未知。...__bool__() TypeError: boolean value of NA is ambiguous 这也意味着NA不能在被评估布尔值上下文中使用,例如if condition: ......NA> 警�� 目前,涉及 ndarray NA ufunc 将返回一个填充有 NA 值对象 dtype。...__bool__() TypeError: boolean value of NA is ambiguous 这也意味着NA不能在被评估布尔值上下文中使用,例如if condition: ......__bool__() TypeError: boolean value of NA is ambiguous 这也意味着NA不能在被评估布尔值上下文中使用,例如if condition: ...

14110
您找到你想要的搜索结果了吗?
是的
没有找到

飞速搞定数据分析与处理-day3-一篇入门NumPy

即使 array1 除了最后一个元素(浮点数)之外全是整数,但由于 NumPy 对同构要求,这个数组数据类型依然是 float64,这个类型足以容纳所有的元素。...要想了解一个数组数据类型,可以访问它 dtype 属性 In [6]: array1.dtype Out[6]: dtype('float64') dtype 返回float64 而不是第 3...你可能已经猜到了,NumPy 使用是它自己数值数据类型,它们比 Python 数据类型粒度要细。通常这都不是问题,因为大部分时候 Python NumPy 中不同数据类型可以自动转换。...除了更容易输入阅读,在处理大型数组时ufunc 会快得多 In [15]: np.sqrt(array2) Out[15]: array([[1. [2. , 1.41421356, 1.73205081...以 sum 例,如果你想求出每一列总和,那么可以像下面这样做 In [16]: array2.sum(axis=0) # 返回一维数组 Out[16]: array([5., 7., 9.])

21520

Pandas时间序列基础详解(转换,索引,切片)

时间序列类型: 时间戳:具体时刻 固定时间区间:例如2007年1月或整个2010年 时间间隔:由开始时间结束时间表示,时间区间可以被认为是间隔特殊情况 实验时间消耗时间:每个时间是相对于特定开始时间时间量度...,(例如自从被放置在烤箱中每秒烘烤饼干直径) 日期时间数据类型及工具 datetime模块中类型: date 使用公历日历存储日历日期(年,月,日) time 将时间存储小时,分钟...,秒,微秒 datetime 存储日期时间 timedelta 表示两个datetime值之间差(如日,秒,微秒) tzinfo 用于存储时区信息基本类型 from datetime import...#数据;类型在纳秒级分辨率下存储时间戳 dtype('<M8[ns]') ts.index[0] #datetimeindex中标量值是一个时间戳(timestamp) Timestamp(...0.000306 Freq: D, dtype: float64 ts.truncate(before='2018-9-24') #使用truncate方法向后切片 2018-09-24 -1.374038

1.7K10

Pandas中10种索引

pd.Index Index是Pandas中常见索引函数,通过它能够构建各种类型索引,其语法: [e6c9d24ely1h0gmuv2wmmj20x60detah.jpg] pandas.Index...], dtype='int64') 在创建时候,还能够直接指定数据类型: In 3: # 指定索引数据类型 pd.Index([1,2,3,4], dtype="float64") Out3: Float64Index...([1.0, 2.0, 3.0, 4.0], dtype='float64') 在创建时候指定名称name和数据类型dtype: In 4: # 指定类型名称 pd.Index([1,2,3,4],...=None, # 数据类型 copy=False, # 副本 name=None # 名字 ) 以时间日期作为索引,通过date_range函数来生成,具体例子: In 35: # 默认天频率...dtype=dtype('<m8[ns]'), # 数据类型 copy=False, # 副本 name=None # 名字 ) 创建方式1:指定数据最小单元 In 51: pd.TimedeltaIndex

3.5K00

数据分析篇 | Pandas基础用法6【完结篇】

以下文章来源于Python大咖谈,作者吱吱不倦呆鸟 数据类型 大多数情况下,pandas 使用 Numpy 数组、Series 或 DataFrame 里某列数据类型。...In [331]: dft['A'].dtype Out[331]: dtype('float64') Pandas 对象单列中含多种类型数据时,该列数据类型可适配于各类数据数据类型,通常...C uint8 dtype: object 默认值 整数默认类型 int64,浮点数默认类型 float64,这里默认值与系统平台无关,不管是 32 位系统,还是 64 位系统都是一样...] dtype: object 因为数据被转置,所以把原始列数据类型改成了 object,但使用 infer_objects 后就变正确了。...='timedelta64[ns]', freq=None) 如需强制转换,则要加入 error 参数,指定 pandas 怎样处理不能转换为成预期类型或对象数据。

4K10

Pandas中文官档~基础用法6

数据类型 大多数情况下,pandas 使用 Numpy 数组、Series 或 DataFrame 里某列数据类型。...In [331]: dft['A'].dtype Out[331]: dtype('float64') Pandas 对象单列中含多种类型数据时,该列数据类型可适配于各类数据数据类型,通常 object...C uint8 dtype: object 默认值 整数默认类型 int64,浮点数默认类型 float64,这里默认值与系统平台无关,不管是 32 位系统,还是 64 位系统都是一样...] dtype: object 因为数据被转置,所以把原始列数据类型改成了 object,但使用 infer_objects 后就变正确了。...='timedelta64[ns]', freq=None) 如需强制转换,则要加入 error 参数,指定 pandas 怎样处理不能转换为成预期类型或对象数据。

4.2K20

数据科学 IPython 笔记本 7.6 Pandas 中数据操作

Pandas 包含一些有用调整,但是:对于一元操作,如取负三角函数,这些ufunc将保留输出中索引列标签,对于二元操作,如加法乘法,将对象传递给ufunc时,Pandas 将自动对齐索引。...通用函数:索引保留 因为 Pandas 兼容 NumPy 而设计,所以任何 NumPy ufunc都可以用于 Pandas SeriesDataFrame对象。...:通用函数”中讨论任何ufunc都可以以类似的方式使用。...['Alaska', 'California', 'New York', 'Texas'], dtype='object') 任何没有条目的项目都标NaN(非数字),这就是 Pandas 标记缺失数据方式...2 9.0 3 5.0 dtype: float64 ''' 数据帧中索引对齐 在DataFrames上执行操作时,列索引都会发生类似的对齐: A = pd.DataFrame(rng.randint

2.7K10

Pandas 数据类型概述与转换实战

本文将讨论基本 pandas 数据类型(又名 dtypes ),它们如何映射到 python numpy 数据类型,以及从一种 pandas 类型转换为另一种方法 Pandas 数据类型 数据类型本质上是编程语言用来理解如何存储操作数内部结构...大多数时候,使用 pandas 默认 int64 float64 类型就可以了 下面我们将重点介绍以下 pandas 类型: object int64 float64 datetime64 bool...是 float64 但应该是 int64 2016 2017 列存储 object,而不是诸如 float64 或 int64 之类数值 百分比增长 Month 单位也存储 object 而不是数值...所有值都被解释 True,但最后一位客户 Active 标志 N,竟然也被转换为 True 了 所以,我们可以得到,astype() 使用是有条件,仅在以下情况下才有效: 数据是干净,可以简单地转换为一个数字...python 字符串函数去除“$”“,”,然后将值转换为浮点数 也许有人会建议使用 Decimal 类型货币。

2.4K20

Pandas 2.2 中文官方教程指南(九·三)

pandas 第三方库扩展了 NumPy 类型系统几个地方。本节描述了 pandas 在内部所做扩展。请参阅扩展类型了解如何编写自己扩展以与 pandas 一起使用。...最后,可以使用object数据类型存储任意对象,但应尽可能避免(出于性能与其他库方法互操作性考虑。请参阅对象转换)。...C uint8 dtype: object 默认值 默认情况下,整数类型int64,浮点类型float64,不受平台(32 位或 64 位)影响。...dtype: object 注意 当尝试使用astype()loc()将一部分列转换为指定类型时,会发生向上转型。...C float64 dtype: object 默认值 默认情况下,整数类型int64,浮点数类型float64,不受平台(32 位或 64 位)影响。

22100

《利用Python进行数据分析·第2版》 附录A NumPy高级应用A.1 ndarray对象内部机理A.2 高级数组操作A.3 广播A.4 ufunc高级应用A.5 结构化记录式数组A.6 更多

幸运是,dtype都有一个超类(比如np.integernp.floating),它们可以跟np.issubdtype函数结合使用: In [12]: ints = np.ones(10, dtype...表A ufunc方法 编写新ufunc 有多种方法可以让你编写自己NumPy ufuncs。最常见使用NumPy C API,但它超越了本书范围。...要创建一个内存映像,可以使用函数np.memmap并传入一个文件路径、数据类型、形状以及文件模式: In [214]: mmap = np.memmap('mymmap', dtype='float64...当打开一个已经存在内存映像时,仍然需要指明数据类型形状,因为磁盘上那个文件只是一块二进制数据而已,没有任何元数据: In [221]: mmap = np.memmap('mymmap', dtype...尽量使用广播。 避免复制数据,尽量使用数组视图(即切片)。 利用ufunc及其各种方法。

4.7K71

Pandas 2.2 中文官方教程指南(二十二)

40]: y[1] = np.nan In [41]: y Out[41]: 0 NaT 1 NaT 2 1 days dtype: timedelta64[ns] 操作数也可以以相反顺序出现...='timedelta64[ns]', freq='53h') 指定start、endperiods将生成从start到end一系列均匀间隔时间增量,包括startend,结果TimedeltaIndex...='timedelta64[ns]', freq='53h') 指定start、endperiods将生成从start到end一系列均匀间隔时间增量,包括startend,结果TimedeltaIndex...-1.945u dtype: float64 使用round()来专门控制单个DataFrame四舍五入 ## Unicode 格式化 警告 启用此选项会影响 DataFrame Series...-1.945u dtype: float64 使用round()来专门控制单个DataFrame四舍五入 Unicode 格式化 警告 启用此选项将影响 DataFrame Series 打印性能

8500

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

    运营活动

    活动名称
    广告关闭
    领券