Pandas 数组/标量/数据类型参考手册

对于大多数数据类型，Pandas 使用 NumPy 数组作为具体的存储对象，这些对象被包含在 Index（索引）、Series（序列）或 DataFrame（数据框）中。

对于某些数据类型，Pandas 扩展了 NumPy 的类型系统。这些类型的字符串别名可以在 dtypes 中找到。

Pandas 数组

类/方法	描述
pd.array(data, dtype)	创建一个 Pandas 数组（ ExtensionArray ）。
pd.Series.array	返回 Series 的底层数组（ ExtensionArray ）。
pd.arrays.IntegerArray	用于存储整数数据的数组（支持缺失值）。
pd.arrays.BooleanArray	用于存储布尔数据的数组（支持缺失值）。
pd.arrays.StringArray	用于存储字符串数据的数组（支持缺失值）。
pd.arrays.IntervalArray	用于存储区间数据的数组。
pd.arrays.DatetimeArray	用于存储日期时间数据的数组。
pd.arrays.TimedeltaArray	用于存储时间差数据的数组。
pd.arrays.PeriodArray	用于存储周期数据的数组。
pd.arrays.SparseArray	用于存储稀疏数据的数组。

---

Pandas 标量

类/方法	描述
pd.NA	表示缺失值的标量（类似于 NaN ）。
pd.Timestamp	表示时间戳的标量。
pd.Timedelta	表示时间差的标量。
pd.Period	表示周期的标量。
pd.Interval	表示区间的标量。
pd.Categorical	表示分类数据的标量。

---

Pandas 数据类型

类/方法	描述
pd.StringDtype()	字符串数据类型（支持缺失值）。
pd.BooleanDtype()	布尔数据类型（支持缺失值）。
pd.Int8Dtype()	8 位整数数据类型（支持缺失值）。
pd.Int16Dtype()	16 位整数数据类型（支持缺失值）。
pd.Int32Dtype()	32 位整数数据类型（支持缺失值）。
pd.Int64Dtype()	64 位整数数据类型（支持缺失值）。
pd.Float32Dtype()	32 位浮点数数据类型（支持缺失值）。
pd.Float64Dtype()	64 位浮点数数据类型（支持缺失值）。
pd.CategoricalDtype()	分类数据类型。
pd.DatetimeTZDtype()	带时区的日期时间数据类型。
pd.PeriodDtype()	周期数据类型。
pd.IntervalDtype()	区间数据类型。
pd.SparseDtype()	稀疏数据类型。

---

常用方法

数组方法

方法	描述
array.take(indices)	根据索引从数组中提取元素。
array.copy()	复制数组。
array.isna()	检查数组中的缺失值。
array.fillna(value)	用指定值填充缺失值。
array.unique()	返回数组中的唯一值。
array.value_counts()	返回数组中每个值的频率。

标量方法

方法	描述
timestamp.to_pydatetime()	将 Timestamp 转换为 Python 的 datetime 对象。
timedelta.total_seconds()	将 Timedelta 转换为总秒数。
period.start_time	返回 Period 的起始时间。
period.end_time	返回 Period 的结束时间。
interval.left	返回 Interval 的左边界。
interval.right	返回 Interval 的右边界。

数据类型方法

方法	描述
dtype.name	返回数据类型的名称。
dtype.kind	返回数据类型的种类（如 i 表示整数， f 表示浮点数）。
dtype.construct_array_type()	返回与数据类型关联的数组类。

---

如果需要更详细的信息，可以参考 Pandas 官方文档 。