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'