Pandas 类型检查函数与 Index 类用法详解

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。

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。

用法

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)

运行结果

True
False

pandas.api.types.is_re_compilable

语法

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.

参数

• obj (必填)：表示需要被检查的对象，它可以是任何类型的对象。

功能

用于检查给定对象是否可以被用于正则表达式编译。

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。

用法

from pandas.api.types import is_re_compilable
print(is_re_compilable(".*"))
print(is_re_compilable(1))

运行结果

True
False

pandas.api.types.is_scalar

语法

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.

参数

• val (必填)：需要检查的值，可以是任何类型的对象。

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。

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。

用法

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]})))

运行结果

True
True
False
False
False

pandas.Index 类

语法

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). Used to initialize the index.
• dtype: str, numpy.dtype, or ExtensionDtype, optional. Data type for the output Index.
• 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.

参数

• 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。
• 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。
• 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。
• name (可选，默认值为 None)：字符串，用于给索引命名。
• 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。

功能

创建一个 Index 对象，作为 DataFrame 和 Series 的索引。

返回值

返回值是一个 Index 对象，包含了输入数据的各个元素。

用法

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)

运行结果

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