pandas.api.types.infer_dtype

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

返回标量或类列表值的类型标签。

Parameters:

valuescalar, list, ndarray, or pandas type

<strong>skipna</strong>bool, default True

在推断类型时忽略 NaN 值。

Returns:

str

描述输入数据的通用类型。

结果可包括：

• string

• bytes

• floating

• integer

• mixed-integer

• mixed-integer-float

• decimal

• complex

• categorical

• boolean

• datetime64

• datetime

• date

• timedelta64

• timedelta

• time

• period

• mixed

• unknown-array

Raises:

TypeError

如果它是 ndarray-like 但无法推断 dtype

Notes

• ‘mixed’ 是其他任何无法专门化的通用类别

• ‘mixed-integer-float’ 是浮点数和整数

• ‘mixed-integer’ 是整数与非整数混合

• ‘unknown-array’ 是任何具有 dtype 属性但 pandas 未知的 dtype（例如，外部扩展数组）的通用类别

Examples

>>> 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'