Python酷库之旅-第三方库Pandas(183) 第三方库Pandas(183)
目录
846、pandas.api.types.is_number函数
848、pandas.api.types.is_re_compilable函数
849、pandas.api.types.is_scalar函数
一、用法精讲
846、pandas.api.types.is_number函数
846-1、语法
# 846、pandas.api.types.is_number函数
pandas.api.types.is_number(obj)
Check if the object is a number.
Returns True when the object is a number, and False if is not.
Parameters:
obj
any type
The object to check if is a number.
Returns:
bool
Whether obj is a number or not.
846-2、参数
846-2-1、obj(必须):表示需要检查的对象,它可以是任何类型。
846-3、功能
检查给定的对象obj是否是数字,它包括整数、浮点数以及布尔值(因为布尔值是整数的子类)。
846-4、返回值
返回一个布尔值,如果obj是一个数字,则返回True;反之,则返回False。
846-5、说明
无
846-6、用法
846-6-1、数据准备
无
846-6-2、代码示例
# 846、pandas.api.types.is_number函数
from pandas.api.types import is_number
# 整数
print(is_number(1))
# 浮点数
print(is_number(7.15))
# 布尔值
print(is_number(False))
# 字符串
print(is_number("foo"))
# 字符串形式的数字
print(is_number("5"))
846-6-3、结果输出
# 846、pandas.api.types.is_number函数
# True
# True
# True
# False
# False
847、pandas.api.types.is_re函数
847-1、语法
# 847、pandas.api.types.is_re函数
pandas.api.types.is_re(obj)
Check if the object is a regex pattern instance.
Parameters:
obj
The object to check
Returns:
bool
Whether obj is a regex pattern.
847-2、参数
847-2-1、obj(必须):表示需要被检查的对象,它可以是任何类型的对象,但最常见的是字符串,因为正则表达式通常以字符串形式表示。
847-3、功能
用于检查给定的对象是否是一个正则表达式模式对象,正则表达式模式对象通常是由re.compile()函数或其他正则表达式库生成的模式对象。
847-4、返回值
如果obj是一个正则表达式模式对象,则返回True;否则,返回False。
847-5、说明
无
847-6、用法
847-6-1、数据准备
无
847-6-2、代码示例
# 847、pandas.api.types.is_re函数
import pandas as pd
import re
# 创建一个正则表达式模式对象
pattern = re.compile(r'\d+')
# 检查对象是否为正则表达式模式
is_regex = pd.api.types.is_re(pattern)
print(is_regex)
# 检查一个非正则表达式模式对象
non_pattern = "this is not a pattern"
is_regex = pd.api.types.is_re(non_pattern)
print(is_regex)
847-6-3、结果输出
# 847、pandas.api.types.is_re函数
# True
# False
848、pandas.api.types.is_re_compilable函数
848-1、语法
# 848、pandas.api.types.is_re_compilable函数
pandas.api.types.is_re_compilable(obj)
Check if the object can be compiled into a regex pattern instance.
Parameters:
obj
The object to check
Returns:
bool
Whether obj can be compiled as a regex pattern.
848-2、参数
848-2-1、obj(必须):表示需要被检查的对象,它可以是任何类型的对象。
848-3、功能
用于检查给定对象是否可以被用于正则表达式编译。
848-4、返回值
返回一个布尔值,如果对象可以被编译为正则表达式,则返回True
,否则返回False
。
848-5、说明
无
848-6、用法
848-6-1、数据准备
无
848-6-2、代码示例
# 848、pandas.api.types.is_re_compilable函数
from pandas.api.types import is_re_compilable
print(is_re_compilable(".*"))
print(is_re_compilable(1))
848-6-3、结果输出
# 848、pandas.api.types.is_re_compilable函数
# True
# False
849、pandas.api.types.is_scalar函数
849-1、语法
# 849、pandas.api.types.is_scalar函数
pandas.api.types.is_scalar(val)
Return True if given object is scalar.
Parameters:
val
object
This includes:
numpy array scalar (e.g. np.int64)
Python builtin numerics
Python builtin byte arrays and strings
None
datetime.datetime
datetime.timedelta
Period
decimal.Decimal
Interval
DateOffset
Fraction
Number.
Returns:
bool
Return True if given object is scalar.
849-2、参数
849-2-1、val(必须):需要检查的值,可以是任何类型的对象。
849-3、功能
检查给定的值是否为标量,即一个单一的值,而不是一个集合或一个数据结构,标量可以是数字(整数或浮点数)、字符串、布尔值、None等。
849-4、返回值
返回一个布尔值:
True
:如果val是标量,则返回True。False
:如果val不是标量(例如列表、元组、字典、数据帧等),则返回False。
849-5、说明
无
849-6、用法
849-6-1、数据准备
无
849-6-2、代码示例
# 849、pandas.api.types.is_scalar函数
import pandas as pd
print(pd.api.types.is_scalar(1))
print(pd.api.types.is_scalar('hello'))
print(pd.api.types.is_scalar([1, 2, 3]))
print(pd.api.types.is_scalar({'a': 1, 'b': 2}))
print(pd.api.types.is_scalar(pd.DataFrame({'A': [1, 2]})))
849-6-3、结果输出
# 849、pandas.api.types.is_scalar函数
# True
# True
# False
# False
# False
850、pandas.Index类
850-1、语法
# 850、pandas.Index类
class pandas.Index(data=None, dtype=None, copy=False, name=None, tupleize_cols=True)
Immutable sequence used for indexing and alignment.
The basic object storing axis labels for all pandas objects.
Changed in version 2.0.0: Index can hold all numpy numeric dtypes (except float16). Previously only int64/uint64/float64 dtypes were accepted.
Parameters:
data
array-like (1-dimensional)
dtype
str, numpy.dtype, or ExtensionDtype, optional
Data type for the output Index. If not specified, this will be inferred from data. See the user guide for more usages.
copy
bool, default False
Copy input data.
name
object
Name to be stored in the index.
tupleize_cols
bool (default: True)
When True, attempt to create a MultiIndex if possible.
850-2、参数
850-2-1、data(可选,默认值为None):用于初始化索引的数据,可以是数组、序列、字典、标量值等,如果不提供数据,则默认创建空的索引。
850-2-2、dtype(可选,默认值为None):指定索引的数据类型,如果不指定,则根据输入数据自动确定数据类型。
850-2-3、copy(可选,默认值为False):布尔值,如果设置为True,则创建输入数据的副本。
850-2-4、name(可选,默认值为None):字符串,用于给索引命名。
850-2-5、tupleize_cols(可选,默认值为True):布尔值,如果设置为True,则将多层次的列名转换为元组。
850-3、功能
创建一个Index对象,作为DataFrame和Series的索引。
850-4、返回值
返回值是一个Index对象,包含了输入数据的各个元素。
850-5、说明
无
850-6、用法
850-6-1、数据准备
无
850-6-2、代码示例
# 850、pandas.Index类
import pandas as pd
# 创建一个简单的索引
idx = pd.Index([1, 2, 3, 4], name='numbers')
# 创建一个字符串索引
str_idx = pd.Index(['a', 'b', 'c'], dtype='object', name='letters')
# 使用索引创建Series
s = pd.Series([10, 20, 30], index=str_idx)
print(idx, '\n')
print(str_idx, '\n')
print(s)
850-6-3、结果输出
# 850、pandas.Index类
# Index([1, 2, 3, 4], dtype='int64', name='numbers')
#
# Index(['a', 'b', 'c'], dtype='object', name='letters')
#
# letters
# a 10
# b 20
# c 30
# dtype: int64