pandas.api.types.infer_dtype # pandas.api.types。infer_dtype(值, skipna = True)# 返回标量或类似列表的值类型的字符串标签。 参数: 值标量、列表、ndarray 或 pandas 类型 Skipna布尔值,默认 True推断类型时忽略 NaN 值。 返回: 斯特描述输入数据的常见类型。 结果可以包括: 细绳 字节 漂浮的 整数 混合整数 混合整数浮点 小数 复杂的 绝对的 布尔值 日期时间64 约会时间 日期 时间增量64 时间增量 时间 时期 混合的 未知数组 加薪: 类型错误如果类似于 ndarray 但无法推断 dtype 笔记 “混合”是所有非专门化事物的统称 'mixed-integer-float' 是浮点数和整数 “混合整数”是与非整数混合的整数 'unknown-array' 是一个数组(具有 dtype 属性)的总称,但具有 pandas 未知的 dtype(例如外部扩展数组) 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'