数据类型 - int64、float64、bool、datetime64

打印出数据类型的语句

import numpy as np
import pandas as pd
print(df.dtypes)

df数据类型

Pandas 是基于 NumPy 的，它继承了 NumPy 的数据类型系统，并且添加了一些特殊的数据类型，专门用于处理表格数据。以下是 Pandas 中常用的数据类型（dtype）简介：

整型 (int)
表示整数，有不同的大小，例如 int8, int16, int32, int64。
浮点型 (float)
表示浮点数，也有不同的精度，如 float16, float32, float64。
复数型 (complex)
表示复数，包含实部和虚部。
布尔型 (bool)
表示布尔逻辑值 True 或 False。
字符串型 (str)
用于存储文本数据。Pandas 0.23.0 版本以后，字符串型被明确定义。
分类型 (category)
用于存储有限数量的重复文本标签，可以大大节省内存。
日期时间型 (datetime64, datetime)
用于存储日期和时间信息。
时间差型 (timedelta64, timedelta)
表示两个日期或时间点之间的差值。
布尔型（逻辑型）(logical, bool8)
从 Pandas 1.0.0 版本开始，bool 类型被 logical 或 bool8 取代，以提供更准确的布尔值表示。
泛型类型 (object)
用于存储 Python 对象，通常是字符串或混合类型的数据。
稀疏类型 (Sparse)
用于存储稀疏数据，可以是任何 dtype，但只占用很少的存储空间。
区间型 (interval)
用于存储数据的区间范围。
周期型 (Period, period)
用于时间序列分析，表示固定频率的周期。
索引类型 (Index, MultiIndex)
用于 Pandas 索引对象，MultiIndex 用于多级索引。
选择数据类型 (select_dtypes)
一个函数，用于选择具有特定数据类型的列。

Pandas 类型	Python 类型	NumPy类型	使用场景
object	str or mixed	string, unicode, mixed types	文本或者混合数字
int64	int	int_, int8, int16, int32, int64, uint8, uint16, uint32, uint64	整型数字
float64	float	float_, float16, float32, float64	浮点数字
bool	bool	bool_	True/False 布尔型
datetime64[ns]	nan	datetime64[ns]	日期时间
timedelta[ns]	nan	nan	两个时间之间的距离，时间差
category	nan	nan	有限文本值，枚举
object	nan	nan	对象类型，通常用于存储 Python 对象，但主要用于字符串。
complex	nan	nan	复数类型，用于存储复数值。
interval	nan	nan	区间类型，用于存储数据的区间范围。
Sparse	nan	nan	稀疏类型，用于存储稀疏数据，节省内存。

尝试创建df

import pandas as pd
import numpy as np
# 创建数据字典
data = {
    'int_col': [1, 2, np.nan],  # 整数列
    'float_col': [1.1, 2.2, 3.3],  # 浮点数列
    'bool_col': [True, False, True],  # 布尔列
    'str_col': ['apple', 'banana', 'cherry'],  # 字符串列
    'cat_col': pd.Categorical(['red', 'blue', 'red'], categories=['red', 'blue', 'green']),  # 分类列
    'datetime_col': pd.to_datetime(['2021-01-01', '2021-01-02', '2021-01-03']),  # 日期时间列
    'timedelta_col': pd.to_timedelta([1, 2, 3], unit='D'),  # 时间差列
    'complex_col': [1+2j, 3+4j, 5+6j],  # 复数列
    'interval_col': pd.IntervalIndex([pd.Interval(0, 1), pd.Interval(2, 3), pd.Interval(4, 5)]),  # 区间列
    # 'period_col': pd.PeriodIndex(["2021-01", "2021-02", "2021-03"], freq='M'),  # 周期列 (不再支持)
    'index_col': [100, 101, 102],  # 索引列
}
# 创建 DataFrame
df = pd.DataFrame(data)
# 打印 DataFrame
print(df)

RangeIndex: 3 entries, 0 to 2
Data columns (total 10 columns):
 #   Column         Non-Null Count  Dtype          
---  ------         --------------  -----          
 0   int_col        2 non-null      float64        
 1   float_col      3 non-null      float64        
 2   bool_col       3 non-null      bool           
 3   str_col        3 non-null      object         
 4   cat_col        3 non-null      category       
 5   datetime_col   3 non-null      datetime64[ns] 
 6   timedelta_col  3 non-null      timedelta64[ns]
 7   complex_col    3 non-null      complex128     
 8   interval_col   3 non-null      interval[int64]
 9   index_col      3 non-null      int64          
dtypes: bool(1), category(1), complex128(1), datetime64[ns](1), float64(2), int64(1), interval(1), object(1), timedelta64[ns](1)
memory usage: 478.0+ bytes
None