数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何检查 Pandas Series 的数据类型？
要检查 Series 的数据类型，我们在 Pandas Series 属性中有一个专用的属性。 “dtype” 是一个 Pandas 属性，用于验证 Pandas Series 对象中的数据类型。
此属性将返回一个 dtype 对象，该对象表示给定 Series 的数据类型。
示例 1
# importing required packages
import pandas as pd
import numpy as np
# creating pandas Series object
series = pd.Series(np.random.rand(10))
print(series)
print("Data type: ",series.dtype )解释
在此示例中，我们使用 NumPy 随机模块初始化了一个 Pandas Series 对象，这将创建一个包含随机值的 Series。
让我们应用 Pandas dtype 属性并验证 Series 的数据类型。
输出
0 0.017282 1 0.869889 2 0.255800 3 0.191797 4 0.188235 5 0.261895 6 0.016623 7 0.399498 8 0.642102 9 0.671073 dtype: float64 Data type: float64
在此输出块中，我们可以看到包含随机值的 Series，以及 dtype 属性的输出。对于给定的 Series 对象，float64 是数据类型。
示例 2
import pandas as pd
s = pd.Series({97:'a', 98:'b', 99:'c', 100:'d', 101:'e', 102:'f'})
print(s)
print("Data type: ",s.dtype )解释
创建另一个包含字符串数据的 Pandas Series 对象，这里我们使用 Python 字典初始化了 Series。这里的目标是检查 Series 的数据类型，因此 dtype 属性应用于 Series 对象“s”。
输出
97 a 98 b 99 c 100 d 101 e 102 f dtype: object Data type: object
对于给定的 Series“s”，dtype 是对象数据类型，通常 Pandas 用于以对象数据类型的形式表示字符串数据。
示例 3
import pandas as pd
# creating range sequence of dates
dates = pd.date_range('2021-06-01', periods=5, freq='D')
#creating pandas Series with date index
s = pd.Series(dates)
print (s)
print("Data type: ",s.dtype )解释
在以下示例中，Series 是通过使用 Pandas date_range 方法创建的，并应用 dtype 属性来验证数据类型。
输出
0 2021-06-01 1 2021-06-02 2 2021-06-03 3 2021-06-04 4 2021-06-05 dtype: datetime64[ns] Data type: datetime64[ns]
给定 Series 的数据类型是 datetime64[ns]。
更新于: 2022年3月9日
15K+ 次查看
广告