Python酷库之旅-第三方库Pandas(171)

# 786、pandas.arrays.IntegerArray类
class pandas.arrays.IntegerArray(values, mask, copy=False)
Array of integer (optional missing) values.

Uses pandas.NA as the missing value.

Warning

IntegerArray is currently experimental, and its API or internal implementation may change without warning.

We represent an IntegerArray with 2 numpy arrays:

data: contains a numpy integer array of the appropriate dtype

mask: a boolean array holding a mask on the data, True is missing

To construct an IntegerArray from generic array-like input, use pandas.array() with one of the integer dtypes (see examples).

See Nullable integer data type for more.

Parameters:
values
numpy.ndarray
A 1-d integer-dtype array.

mask
numpy.ndarray
A 1-d boolean-dtype array indicating missing values.

copy
bool, default False
Whether to copy the values and mask.

Returns:
IntegerArray

786-2、参数

786-2-1、values(必须)：array-like，表示要存储的整数数组，可以是NumPy数组、列表等，该参数的内容将作为实际的整数值。

786-2-2、mask(必须)：array-like(布尔数组)，指示哪些位置是缺失值，与values数组的长度必须相同，True值表示对应位置的元素是缺失的，False值表示对应位置的元素是有效的。

786-2-3、copy(可选，默认值为False)：布尔值，是否对输入的values和mask进行深拷贝，如果设置为True，则会创建这两个参数的独立副本，确保原始数据不会受到影响。

786-3、功能

pandas用于处理整数数组的类，专门设计来支持整数和缺失值的存储与操作。

786-4、返回值

返回一个IntervalArray对象，该对象包含指定的values和mask，能够用于进一步的分析和操作。

786-5、说明

无

786-6、用法

786-6-1、数据准备

无

786-6-2、代码示例

# 786、pandas.arrays.IntegerArray类
import numpy as np
import pandas as pd
# 创建一个包含整数和NA值的数组
values = np.array([1, 2, 3, 4, 5])
mask = np.array([False, False, True, False, False])
# 使用IntegerArray创建数组
int_array = pd.arrays.IntegerArray(values, mask)
print(int_array, end='\n\n')
# 你可以对这个数组进行各种操作
print(int_array + 10, end='\n\n')
print(int_array.isna(), end='\n\n')
# 创建一个包含这个IntegerArray的Series
s = pd.Series(int_array)
print(s, end='\n\n')
# 你也可以直接从列表创建IntegerArray
int_array2 = pd.array([1, 2, None, 4, 5], dtype="Int64")
print(int_array2)

786-6-3、结果输出

# 786、pandas.arrays.IntegerArray类
# <IntegerArray>
# [1, 2, <NA>, 4, 5]
# Length: 5, dtype: Int32
# 
# <IntegerArray>
# [11, 12, <NA>, 14, 15]
# Length: 5, dtype: Int32
# 
# [False False  True False False]
# 
# 0       1
# 1       2
# 2    <NA>
# 3       4
# 4       5
# dtype: Int32
# 
# <IntegerArray>
# [1, 2, <NA>, 4, 5]
# Length: 5, dtype: Int64

787、pandas.Int8Dtype类

787-1、语法

# 787、pandas.Int8Dtype类
class pandas.Int8Dtype
An ExtensionDtype for int8 integer data.

Uses pandas.NA as its missing value, rather than numpy.nan.

787-2、参数

无

787-3、功能

Pandas库中的一种数据类型，用于表示有符号的8位整数，该数据类型在处理缺失值时非常有用，因为它允许存储NaN(缺失值)，而普通的整数类型不支持。

787-4、返回值

创建一个Pandas类型对象，通常用于DataFrame或Series的数据结构，返回的类型可以用于创建包含整数的Pandas结构，支持适当的算术操作和其他操作。

787-5、说明

无

787-6、用法

787-6-1、数据准备

无

787-6-2、代码示例

# 787、pandas.Int8Dtype类
import pandas as pd
# 创建一个包含Int8Dtype的DataFrame
data = pd.Series([1, 2, 3, None], dtype="Int8")
print(data)
print(data.dtype)

787-6-3、结果输出

# 787、pandas.Int8Dtype类
# 0       1
# 1       2
# 2       3
# 3    <NA>
# dtype: Int8
# Int8

788、pandas.Int16Dtype类

788-1、语法

# 788、pandas.Int16Dtype类
class pandas.Int16Dtype
An ExtensionDtype for int16 integer data.

Uses pandas.NA as its missing value, rather than numpy.nan.

788-2、参数

无

788-3、功能

Pandas中的一种数据类型，用于表示有符号的16位整数，它特别设计用于有效处理小范围内的整数同时支持缺失值。

788-4、返回值

通过pd.Series(dtype='Int16')创建包含此数据类型的Series，当你访问Series或DataFrame的dtype属性时，将返回Int16Dtype()，表示该数据类型。

788-5、说明

无

788-6、用法

788-6-1、数据准备

无

788-6-2、代码示例

# 788、pandas.Int16Dtype类
import pandas as pd
# 创建一个包含Int16Dtype的Series
data = pd.Series([100, 20000, None, -300], dtype="Int16")
print(data)
print(data.dtype)

788-6-3、结果输出

# 788、pandas.Int16Dtype类 
# 0      100
# 1    20000
# 2     <NA>
# 3     -300
# dtype: Int16
# Int16

789、pandas.Int32Dtype类

789-1、语法

# 789、pandas.Int32Dtype类
class pandas.Int32Dtype
An ExtensionDtype for int32 integer data.

Uses pandas.NA as its missing value, rather than numpy.nan.

789-2、参数

无

789-3、功能

一个专用于定义和创建包含有符号32位整数的Pandas数据类型，它主要用于处理整型数据，尤其在需要支持缺失值的情况下。

789-4、返回值

使用pd.Series(dtype='Int32')可以创建一个包含此数据类型的Series，访问Series或DataFrame的dtype属性时，会返回Int32Dtype()，指示该数据类型。

789-5、说明

无

789-6、用法

789-6-1、数据准备

无

789-6-2、代码示例

# 789、pandas.Int32Dtype类
import pandas as pd
# 创建一个包含Int32Dtype的Series
data = pd.Series([1000, 2000000000, None, -300000], dtype="Int32")
print(data)
print(data.dtype)

789-6-3、结果输出

# 789、pandas.Int32Dtype类
# 0          1000
# 1    2000000000
# 2          <NA>
# 3       -300000
# dtype: Int32
# Int32

790、pandas.Int64Dtype类

790-1、语法

# 790、pandas.Int64Dtype类
class pandas.Int64Dtype
An ExtensionDtype for int64 integer data.

Uses pandas.NA as its missing value, rather than numpy.nan.

790-2、参数

无

790-3、功能

pandas中用来表示整数数据类型的一种数据类型，特别用于处理缺失值(NaN)的场景，相较于传统的整型，Int64Dtype可以支持缺失值，提供更灵活的数据处理能力。

790-4、返回值

在创建具有整数类型的Series或DataFrame时，指定其数据类型为Int64Dtype，方法如astype可以用于转换数据类型，返回相应的Series或DataFrame，并且将数据类型设定为Int64Dtype。

790-5、说明

无

790-6、用法

790-6-1、数据准备

无

790-6-2、代码示例

# 790、pandas.Int64Dtype类
import pandas as pd
# 创建一个具有Int64Dtype的Series
s = pd.Series([1, 2, None], dtype='Int64')
print(s)
print(s.dtype)

790-6-3、结果输出

# 790、pandas.Int64Dtype类
# 0       1
# 1       2
# 2    <NA>
# dtype: Int64
# Int64