目录
一、用法精讲
796、pandas.Float32Dtype类
796-1、语法
796-2、参数
796-3、功能
796-4、返回值
796-5、说明
796-6、用法
796-6-1、数据准备
796-6-2、代码示例
796-6-3、结果输出
797、pandas.Float64Dtype类
797-1、语法
797-2、参数
797-3、功能
797-4、返回值
797-5、说明
797-6、用法
797-6-1、数据准备
797-6-2、代码示例
797-6-3、结果输出
798、pandas.CategoricalDtype类
798-1、语法
798-2、参数
798-3、功能
798-4、返回值
798-5、说明
798-6、用法
798-6-1、数据准备
798-6-2、代码示例
798-6-3、结果输出
799、pandas.CategoricalDtype.categories属性
799-1、语法
799-2、参数
799-3、功能
799-4、返回值
799-5、说明
799-6、用法
799-6-1、数据准备
799-6-2、代码示例
799-6-3、结果输出
800、pandas.CategoricalDtype.ordered属性
800-1、语法
800-2、参数
800-3、功能
800-4、返回值
800-5、说明
800-6、用法
800-6-1、数据准备
800-6-2、代码示例
800-6-3、结果输出
二、推荐阅读
1、Python筑基之旅
2、Python函数之旅
3、Python算法之旅
4、Python魔法之旅
5、博客个人主页
一、用法精讲
796、pandas.Float32Dtype类
796-1、语法
# 796、pandas.Float32Dtype类
class pandas.Float32Dtype
An ExtensionDtype for float32 data.
This dtype uses pd.NA as missing value indicator.796-2、参数
无
796-3、功能
pandas库中用于表示32位浮点数数据类型的类，它提供了对32位浮点数的支持，适用于在内存和性能要求较高的场景。
796-4、返回值
当你创建一个Float32Dtype的实例时，其返回值是一个Float32Dtype对象，表示该数据类型。在使用时，可以通过pd.Series或pd.DataFrame的dtype参数，指定该数据类型。
796-5、说明
无
796-6、用法
796-6-1、数据准备
无796-6-2、代码示例
# 796、pandas.Float32Dtype类
import pandas as pd
# 示例数据
data = pd.Series([1.0, 2.0, 3.5], dtype=pd.Float32Dtype())
# 打印数据
print(data)
# 打印数据类型
print(data.dtype) 796-6-3、结果输出
# 796、pandas.Float32Dtype类
# 0 1.0
# 1 2.0
# 2 3.5
# dtype: Float32
# Float32797、pandas.Float64Dtype类
797-1、语法
# 797、pandas.Float64Dtype类
class pandas.Float64Dtype
An ExtensionDtype for float64 data.
This dtype uses pd.NA as missing value indicator.797-2、参数
无
797-3、功能
pandas库中用于表示64位浮点数数据类型的类，它提供了一种标准的数据表示方式，适用于需要高精度计算的场景。
797-4、返回值
创建Float64Dtype的实例时，会返回一个Float64Dtype对象，用于表示该数据类型。当使用时，可以通过pd.Series或pd.DataFrame的dtype参数指定该数据类型。
797-5、说明
无
797-6、用法
797-6-1、数据准备
无797-6-2、代码示例
# 797、pandas.Float64Dtype类
import pandas as pd
# 示例数据
data = pd.Series([1.0, 2.0, 3.5], dtype=pd.Float64Dtype())
# 打印数据
print(data)
# 打印数据类型
print(data.dtype) 797-6-3、结果输出
# 797、pandas.Float64Dtype类
# 0 1.0
# 1 2.0
# 2 3.5
# dtype: Float64
# Float64798、pandas.CategoricalDtype类
798-1、语法
# 798、pandas.CategoricalDtype类
class pandas.CategoricalDtype(categories=None, ordered=False)
Type for categorical data with the categories and orderedness.
Parameters:
categories
sequence, optional
Must be unique, and must not contain any nulls. The categories are stored in an Index, and if an index is provided the dtype of that index will be used.
ordered
bool or None, default False
Whether or not this categorical is treated as a ordered categorical. None can be used to maintain the ordered value of existing categoricals when used in operations that combine categoricals, e.g. astype, and will resolve to False if there is no existing ordered to maintain.798-2、参数
798-2-1、categories(可选，默认值为None)：定义一个列表，包含所有可能的类别，如果未提供，默认将适用索引中所有唯一值作为类别。
798-2-2、ordered(可选，默认值为False)：布尔值，如果设为True，表示类别有一个自然的排序(例如，低、中、高)。
798-3、功能
用于指定分类数据类型的类，适用于处理有序或无序的分类变量，分类数据通常用于表示具有有限选项的变量，例如性别、城市、或者其他类别信息，使用分类数据可以优化内存使用和提升数据处理效率。
798-4、返回值
创建CategoricalDtype的实例时，会返回一个CategoricalDtype对象，用于表示分类数据类型。
798-5、说明
无
798-6、用法
798-6-1、数据准备
无798-6-2、代码示例
# 798、pandas.CategoricalDtype类
import pandas as pd
# 创建一个无序的分类数据类型
cat_dtype = pd.CategoricalDtype(categories=['apple', 'banana', 'cherry'], ordered=False)
# 创建一个带有分类数据的Series
s = pd.Series(['apple', 'banana', 'cherry', 'banana'], dtype=cat_dtype)
# 打印Series和数据类型
print(s)
print(s.dtype)798-6-3、结果输出
# 798、pandas.CategoricalDtype类
# 0 apple
# 1 banana
# 2 cherry
# 3 banana
# dtype: category
# Categories (3, object): ['apple', 'banana', 'cherry']
# category799、pandas.CategoricalDtype.categories属性
799-1、语法
# 799、pandas.CategoricalDtype.categories属性
property CategoricalDtype.categories
An Index containing the unique categories allowed.799-2、参数
无
799-3、功能
用于获取分类数据的所有类别。
799-4、返回值
返回一个包含所有类别的索引对象。
799-5、说明
无
799-6、用法
799-6-1、数据准备
无799-6-2、代码示例
# 799、pandas.CategoricalDtype.categories属性
import pandas as pd
# 创建一个有序的分类数据类型
cat_dtype = pd.CategoricalDtype(categories=['small', 'medium', 'large'], ordered=True)
# 打印类别
print(cat_dtype.categories) 799-6-3、结果输出
# 799、pandas.CategoricalDtype.categories属性
# Index(['small', 'medium', 'large'], dtype='object')800、pandas.CategoricalDtype.ordered属性
800-1、语法
# 800、pandas.CategoricalDtype.ordered属性
property CategoricalDtype.ordered
Whether the categories have an ordered relationship.800-2、参数
无
800-3、功能
用于指示该分类数据类型是否是有序的，通过这个属性，你可以知道该分类维度的顺序是否有意义，即类别之间是否存在顺序关系。
800-4、返回值
返回值是一个布尔值(bool)，具体而言：
- 返回True表示该分类数据是有序的，即类别之间存在特定的顺序关系。
- 返回False则表示该分类数据是无序的，即类别之间没有任何顺序关系。
800-5、说明
无
800-6、用法
800-6-1、数据准备
无800-6-2、代码示例
# 800、pandas.CategoricalDtype.ordered属性
import pandas as pd
# 创建一个有序的分类数据类型
cat_dtype_ordered = pd.CategoricalDtype(categories=['small', 'medium', 'large'], ordered=True)
# 获取有序标志
print(cat_dtype_ordered.ordered)
# 创建一个无序的分类数据类型
cat_dtype_unordered = pd.CategoricalDtype(categories=['apple', 'banana', 'cherry'], ordered=False)
# 获取有序标志
print(cat_dtype_unordered.ordered) 800-6-3、结果输出
# 800、pandas.CategoricalDtype.ordered属性
# True
# False
