Python 熊猫的数据类型（'；O'；）是什么？

我在pandas中有一个数据框，我试图找出它的值的类型。我不确定列

'Test'

的类型。然而，当我运行

myFrame['Test'].dtype时，我得到

dtype('O')

这是什么意思？
它的意思是：

'O'     (Python) objects


第一个字符指定数据类型，其余字符指定每个项目的字节数，Unicode除外，Unicode将其解释为字符数。项目大小必须对应于现有类型，否则将引发错误。支持的种类有
到现有类型，否则将引发错误。支持的种类有：

另一个帮助是如果需要检查
type
s.
它表示“python对象”，即不是numpy支持的内置标量类型之一

np.array([object()]).dtype
=> dtype('O')

“O”代表对象

第一行返回：
dtype（'O'）

带有print语句的行返回以下内容：
object
当您在数据框内看到
dtype（'O'）
时，这意味着字符串。
什么是
dtype

属于熊猫

或小熊猫的东西，或者两者都属于，或者其他东西？如果我们检查熊猫代码：

df = pd.DataFrame({'float': [1.0],
                    'int': [1],
                    'datetime': [pd.Timestamp('20180310')],
                    'string': ['foo']})
print(df)
print(df['float'].dtype,df['int'].dtype,df['datetime'].dtype,df['string'].dtype)
df['string'].dtype

它将输出如下所示：

   float  int   datetime string    
0    1.0    1 2018-03-10    foo
---
float64 int64 datetime64[ns] object
---
dtype('O')

print(df)
print(df.dtypes)

    id       date         role    num   fnum
0  1.0 2018-12-12      Support  123.0   3.14
1  NaN        NaT          NaN    NaN    NaN
2  NaN        NaT         None    NaN    NaN
3  4.0 2018-12-12        Sales  456.0  41.30
4  5.0 2018-12-12  Engineering  567.0   3.14
id             float64
date    datetime64[ns]
role            object
num            float64
fnum           float64
dtype: object

您可以将最后一个解释为Pandas

dtype（'O'）

或Pandas对象，即Python类型的字符串，这对应于Numpy

string\u

或

unicode\u

类型

Pandas dtype    Python type     NumPy type          Usage
object          str             string_, unicode_   Text

就像唐吉诃德在《驴子》中一样，熊猫在《Numpy》中，Numpy理解系统的底层架构，并使用类来实现这一点

数据类型对象是

numpy.dtype

类的一个实例，它可以更精确地理解数据类型包括：

• 数据类型（整数、浮点、Python对象等）
• 数据大小（例如整数中的字节数）
• 数据的字节顺序（小端或大端）
• 如果数据类型是结构化的，则是其他数据类型的聚合（例如，描述由整数和浮点组成的数组项）
• 结构的“字段”的名称是什么
• 每个字段的数据类型是什么
• 每个字段占用内存块的哪一部分
• 如果数据类型是子数组，那么它的形状和数据类型是什么

---

在这个问题的上下文中，

dtype

属于pands和numpy，尤其是

dtype（'O'）

意味着我们需要字符串

---

下面是一些用于测试的代码和说明： 如果我们将数据集作为字典

import pandas as pd
import numpy as np
from pandas import Timestamp

data={'id': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5}, 'date': {0: Timestamp('2018-12-12 00:00:00'), 1: Timestamp('2018-12-12 00:00:00'), 2: Timestamp('2018-12-12 00:00:00'), 3: Timestamp('2018-12-12 00:00:00'), 4: Timestamp('2018-12-12 00:00:00')}, 'role': {0: 'Support', 1: 'Marketing', 2: 'Business Development', 3: 'Sales', 4: 'Engineering'}, 'num': {0: 123, 1: 234, 2: 345, 3: 456, 4: 567}, 'fnum': {0: 3.14, 1: 2.14, 2: -0.14, 3: 41.3, 4: 3.14}}
df = pd.DataFrame.from_dict(data) #now we have a dataframe

print(df)
print(df.dtypes)

最后几行将检查数据帧并记录输出：

   id       date                  role  num   fnum
0   1 2018-12-12               Support  123   3.14
1   2 2018-12-12             Marketing  234   2.14
2   3 2018-12-12  Business Development  345  -0.14
3   4 2018-12-12                 Sales  456  41.30
4   5 2018-12-12           Engineering  567   3.14
id               int64
date    datetime64[ns]
role            object
num              int64
fnum           float64
dtype: object

各种不同的

d类型

df.iloc[1,:] = np.nan
df.iloc[2,:] = None

但是如果我们尝试设置

np.nan

或

None

，这将不会影响原始列的数据类型。输出如下：

   float  int   datetime string    
0    1.0    1 2018-03-10    foo
---
float64 int64 datetime64[ns] object
---
dtype('O')

print(df)
print(df.dtypes)

    id       date         role    num   fnum
0  1.0 2018-12-12      Support  123.0   3.14
1  NaN        NaT          NaN    NaN    NaN
2  NaN        NaT         None    NaN    NaN
3  4.0 2018-12-12        Sales  456.0  41.30
4  5.0 2018-12-12  Engineering  567.0   3.14
id             float64
date    datetime64[ns]
role            object
num            float64
fnum           float64
dtype: object

因此

np.nan

或

None

不会更改列

dtype

，除非我们将所有列行设置为

np.nan

或

None

。在这种情况下，列将分别变为

float64

或

object

您也可以尝试设置单行：

df.iloc[3,:] = 0 # will convert datetime to object only
df.iloc[4,:] = '' # will convert all columns to object

---

这里要注意的是，如果我们在非字符串列中设置字符串，它将成为字符串或对象

dtype
pandas
当列包含混合值（字符串、数字、nan）时，可以自由使用
object
dtype.@quant这意味着pandas字符串就像我试图在我的