pandas.api.types.infer_dtype

pandas.api.types.infer_dtype(value, skipna=True)

返回一个标量或值列表类型的字符串标签。

参数:

值标量, 列表, ndarray, 或 pandas 类型

用于推断数据类型的输入数据。

skipna布尔值, 默认为 True

在推断类型时忽略 NaN 值。

返回:

str

描述输入数据的常见类型。

结果可以包括：

• string

• bytes

• floating

• 整数

• 混合整数

• 混合整数浮点

• decimal

• complex

• categorical

• 布尔值

• datetime64

• datetime

• 日期

• timedelta64

• timedelta

• 时间

• period

• 混合

• unknown-array

引发:

TypeError

如果类似 ndarray 但无法推断 dtype

参见

api.types.is_scalar

检查输入是否为标量。

api.types.is_list_like

检查输入是否为类列表。

api.types.is_integer

检查输入是否为整数。

api.types.is_float

检查输入是否为浮点数。

api.types.is_bool

检查输入是否为布尔值。

注释

• ‘mixed’ 是用于任何未被专门分类的事物的总称

• ‘mixed-integer-float’ 是浮点数和整数

• ‘mixed-integer’ 是与非整数混合的整数

• ‘unknown-array’ 是用于捕获那些 是 数组（具有 dtype 属性），但具有 pandas 未知的数据类型（例如，外部扩展数组）的东西。

例子

>>> from pandas.api.types import infer_dtype
>>> 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'

>>> from decimal import Decimal
>>> 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'

>>> import 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'