python-pandas速查文档（4）
博客主页：源码速查 本文档共 4 部分，当前为第 4 部分
文章目录
- python-pandas速查文档（4）
-
- 七、公开属性速查
-
- index_class：默认索引类
- kind：NumPy类型字符
- name：dtype名称
- ordered：是否有序
- str：类型字符串表示
- categories：分类集合
- codes：分类编码值
- inferred_type：推断类型
- ordered：是否有序
- axes：轴标签列表
- columns：列标签
- index：索引标签
- shape：行列尺寸
- style：样式渲染器
- T：转置视图
- values：底层NumPy数组
- date：日期部分
- day：日序号
- day_of_week：星期序号
- day_of_year：年内第几天
- dayofweek：星期序号（同义）
- dayofyear：年内日序（同义）
- days_in_month：当月天数
- daysinmonth：当月天数（兼容）
- dtype：时间dtype
- hour：小时字段
- inferred_type：推断类型
- is_leap_year：是否闰年
- is_month_end：是否月末
- is_month_start：是否月初
- is_normalized：是否归一化
- is_quarter_end：是否季末
- is_quarter_start：是否季初
- is_year_end：是否年末
- is_year_start：是否年初
- microsecond：微秒字段
- minute：分钟字段
- month：月份
- nanosecond：纳秒字段
- quarter：季度
- second：秒字段
- time：时间部分
- timetz：带时区时间
- tz：时区
- tzinfo：时区信息对象
- weekday：星期序号（同义）
- year：年份
- base：基础类型
- index_class：默认索引类
- kind：NumPy类型字符
- na_value：缺失值标记
- name：dtype名称
- num：内部类型编号
- str：类型字符串
- tz：时区
- unit：精度单位
- book：工作簿对象
- sheet_names：工作表名列表
- date_format：日期显示格式
- datetime_format：日期时间格式
- engine：写入引擎名
- if_sheet_exists：同名工作表策略
- sheets：工作表映射
- supported_extensions：支持的扩展名
- allows_duplicate_labels：允许重复标签
- name：dtype名称
- ax：分组轴
- grouper：内部分组器
- groups：分组映射
- indexer：位置索引器
- obj：绑定的原对象
- filename：HDF5文件路径
- is_open：是否打开
- root：根节点
- array：扩展数组
- dtype：数据类型
- has_duplicates：是否有重复值
- hasnans：是否有缺失值
- inferred_type：推断元素类型
- is_monotonic_decreasing：单调递减
- is_monotonic_increasing：单调递增
- is_unique：是否唯一
- name：索引名称
- names：多级索引名称
- nlevels：层级数量
- shape：形状
- values：底层NumPy数组
- name：dtype名称
- closed：区间闭合方式
- left：左端点值
- right：右端点值
- base：基础类型
- closed：闭合方式
- index_class：默认索引类
- kind：NumPy类型字符
- name：dtype名称
- num：内部类型编号
- str：类型字符串
- subtype：底层子类型
- type：标量类型
- closed：区间闭合方式
- closed_left：左闭状态
- closed_right：右闭状态
- inferred_type：推断类型
- is_empty：是否为空
- is_monotonic_decreasing：单调递减
- is_non_overlapping_monotonic：非重叠单调
- is_overlapping：是否重叠
- is_unique：是否唯一
- left：左端点数组
- length：区间长度
- mid：区间中点
- open_left：左开状态
- open_right：右开状态
- right：右端点数组
- array：扩展数组
- codes：整数编码
- dtype：数据类型
- dtypes：各层级类型
- inferred_type：推断类型
- is_monotonic_decreasing：单调递减
- is_monotonic_increasing：单调递增
- levels：各层级唯一值
- levshape：各层级大小
- names：各层级名称
- nbytes：内存占用
- nlevels：层级数量
- size：元素总量
- values：底层值数组
- aggfunc：聚合函数
- column：目标列名
- annotations：注解特性
- api：公开API命名空间
- arrays：扩展数组模块
- compat：兼容层模块
- core：核心实现模块
- errors：异常类型模块
- IndexSlice：多维度切片
- io：输入输出模块
- NA：通用缺失值
- NaT：缺失时间值
- offsets：时间偏移模块
- options：全局配置
- pandas：自我引用模块
- plotting：绘图辅助模块
- testing：测试工具模块
- 八、快速索引
-
- 属性快速索引
- 九、参考资料
【pandas 公开成员统计】：共 41 个公开类，628 个公开方法，239 个公开属性
七、公开属性速查
本部分继续列出公开属性详细条目。
index_class：默认索引类
类型：CachedProperty
归属：pandas.CategoricalDtype
说明：返回当前 dtype 默认对应的索引容器类型，例如分类 dtype 对应 CategoricalIndex。
import pandas as pd
dtype = pd.CategoricalDtype(categories=[\’低\’, \’中\’, \’高\’], ordered=True)
value = dtype.index_class
print(\”默认索引类:\”, value) # 输出: <class \’pandas.core.indexes.category.CategoricalIndex\’>
kind：NumPy类型字符
类型：str
归属：pandas.CategoricalDtype
说明：返回与 NumPy 类型体系兼容的单字符类型码，分类 dtype 的 kind 通常为 ‘O’（object）或自定义字符。
import pandas as pd
dtype = pd.CategoricalDtype(categories=[\’低\’, \’中\’, \’高\’], ordered=True)
print(\”类型标记:\”, dtype.kind) # 输出: \’O\’
name：dtype名称
类型：str
归属：pandas.CategoricalDtype
说明：返回分类 dtype 的可读名称，适合日志输出和字段标注。
import pandas as pd
dtype = pd.CategoricalDtype(categories=[\’低\’, \’中\’, \’高\’], ordered=True)
print(\”dtype名称:\”, dtype.name) # 输出: \’category\’
ordered：是否有序
类型：property
归属：pandas.CategoricalDtype
说明：返回当前分类是否有大小顺序。True 时分类值之间可用 >、< 比较。
import pandas as pd
dtype = pd.CategoricalDtype(categories=[\’低\’, \’中\’, \’高\’], ordered=True)
print(\”是否有序:\”, dtype.ordered) # 输出: True
str：类型字符串表示
类型：str
归属：pandas.CategoricalDtype
说明：返回 dtype 的标准字符串表示，例如 \’category\’。
import pandas as pd
dtype = pd.CategoricalDtype(categories=[\’低\’, \’中\’, \’高\’], ordered=True)
print(\”字符串表示:\”, dtype.str) # 输出: 类似 \’category\’ 的字符串
categories：分类集合
类型：property
归属：pandas.CategoricalIndex
说明：返回该索引的全部合法类别值，适合校验枚举范围。
import pandas as pd
index = pd.CategoricalIndex([\’低\’, \’中\’, \’高\’], categories=[\’低\’, \’中\’, \’高\’, \’超高\’], ordered=True, name=\’等级\’)
print(\”类别值:\”, index.categories.tolist()) # 输出: [\’低\’, \’中\’, \’高\’, \’超高\’]
codes：分类编码值
类型：property
归属：pandas.CategoricalIndex
说明：返回每个位置对应的整数编码，即 categories 列表中的下标。
import pandas as pd
index = pd.CategoricalIndex([\’低\’, \’中\’, \’高\’, \’中\’], categories=[\’低\’, \’中\’, \’高\’], ordered=True, name=\’等级\’)
print(\”编码数组:\”, index.codes) # 输出: [0, 1, 2, 1]
inferred_type：推断类型
类型：property
归属：pandas.CategoricalIndex
说明：pandas 自动推断的索引元素类型，分类索引通常为 \’categorical\’。
import pandas as pd
index = pd.CategoricalIndex([\’低\’, \’中\’, \’高\’], categories=[\’低\’, \’中\’, \’高\’], ordered=True, name=\’等级\’)
print(\”推断类型:\”, index.inferred_type) # 输出: \’categorical\’
ordered：是否有序
类型：property
归属：pandas.CategoricalIndex
说明：返回分类索引是否有大小顺序语义，与创建时的 ordered 参数一致。
import pandas as pd
index = pd.CategoricalIndex([\’低\’, \’中\’, \’高\’], categories=[\’低\’, \’中\’, \’高\’], ordered=True, name=\’等级\’)
print(\”是否有序:\”, index.ordered) # 输出: True
axes：轴标签列表
类型：property
归属：pandas.DataFrame
说明：返回包含行索引和列索引的列表，axes[0] 是行，axes[1] 是列。
import pandas as pd
员工表 = pd.DataFrame({
\’姓名\’: [\’张三\’, \’李四\’], \’基本工资\’: [12000, 15000], \’绩效系数\’: [1.2, 1.0]})
行轴, 列轴 = 员工表.axes
print(\”行索引:\”, 行轴.tolist(), \”列名:\”, 列轴.tolist())
# 输出: 行索引: [0, 1] 列名: [\’姓名\’, \’基本工资\’, \’绩效系数\’]
columns：列标签
类型：AxisProperty
归属：pandas.DataFrame
说明：返回 DataFrame 的所有列名，可读可写，适合字段遍历、筛选和重命名。
import pandas as pd
员工表 = pd.DataFrame({
\’姓名\’: [\’张三\’, \’李四\’], \’基本工资\’: [12000, 15000], \’绩效系数\’: [1.2, 1.0]})
print(\”列名:\”, 员工表.columns.tolist()) # 输出: [\’姓名\’, \’基本工资\’, \’绩效系数\’]
index：索引标签
类型：AxisProperty
归属：pandas.DataFrame
说明：返回 DataFrame 的行索引对象，默认创建时为 RangeIndex。
import pandas as pd
员工表 = pd.DataFrame({
\’姓名\’: [\’张三\’, \’李四\’], \’基本工资\’: [12000, 15000]})
print(\”行索引:\”, 员工表.index) # 输出: RangeIndex(start=0, stop=2, step=1)
print(\”索引名:\”, 员工表.index.name) # 输出: None
shape：行列尺寸
类型：property
归属：pandas.DataFrame
说明：返回元组 (行数, 列数)，是检查数据规模最常用的属性。
import pandas as pd
员工表 = pd.DataFrame({
\’姓名\’: [\’张三\’, \’李四\’, \’王五\’], \’基本工资\’: [12000, 15000, 10000]})
print(\”行列尺寸:\”, 员工表.shape) # 输出: (3, 2)
style：样式渲染器
类型：property
归属：pandas.DataFrame
说明：返回 DataFrame 的样式渲染器对象，可链式调用 background_gradient() 等方法生成带格式的 HTML 表格。
import pandas as pd
员工表 = pd.DataFrame({
\’姓名\’: [\’张三\’, \’李四\’], \’基本工资\’: [12000, 15000], \’绩效系数\’: [1.2, 1.0]})
styled = 员工表.style
print(\”样式器类型:\”, type(styled).__name__) # 输出: Styler
T：转置视图
类型：property
归属：pandas.DataFrame
说明：返回行列交换后的 DataFrame，原行列不变。
import pandas as pd
销售数据 = pd.DataFrame({
\’Q1\’: [100, 80], \’Q2\’:[120, 90], \’Q3\’:[110, 100]}, index=[\’北京\’, \’上海\’])
print(\”转置前形状:\”, 销售数据.shape) # 输出: (2, 3)
print(\”转置后:\\n\”, 销售数据.T)
# 输出:
# 北京 上海
# Q1 100 80
# Q2 120 90
# Q3 110 100
values：底层NumPy数组
类型：property
归属：pandas.DataFrame
说明：返回 DataFrame 底层数据的 NumPy 数组表示，适合与 NumPy 函数或机器学习库交互。注意：已在新版本中建议用 to_numpy() 替代。
import pandas as pd
员工表 = pd.DataFrame({
\’基本工资\’: [12000, 15000, 10000], \’绩效系数\’: [1.2, 1.0, 1.3]})
arr = 员工表.values
print(\”数组形状:\”, arr.shape, \”数组类型:\”, type(arr).__name__)
# 输出: 数组形状: (3, 2) 数组类型: ndarray
date：日期部分
类型：property
归属：pandas.DatetimeIndex
说明：返回每个时间戳仅保留年月日的 Python date 对象数组，适合按天维度统计。
import pandas as pd
index = pd.DatetimeIndex([\’2026-05-25 09:30\’, \’2026-05-26 18:45\’, \’2026-05-31 08:00\’])
print(\”日期部分:\”, index.date) # 输出: [datetime.date(2026, 5, 25), datetime.date(2026, 5, 26), datetime.date(2026, 5, 31)]
day：日序号
类型：property
归属：pandas.DatetimeIndex
说明：返回每个时间戳在该月中的日期编号（1-31），适合按日分桶分析交易量或访问量。
import pandas as pd
订单时间 = pd.DatetimeIndex([\’2026-05-03 08:00\’, \’2026-05-15 14:00\’, \’2026-05-28 18:00\’], name=\’下单时间\’)
print(\”日序号:\”, 订单时间.day.tolist()) # 输出: [3, 15, 28]
day_of_week：星期序号
类型：property
归属：pandas.DatetimeIndex
说明：返回周一=0 到周日=6 的整数，方便按工作日/周末分组统计。
import pandas as pd
订单时间 = pd.DatetimeIndex([\’2026-05-25 09:00\’, \’2026-05-31 14:00\’], name=\’下单时间\’)
print(\”星期序号:\”, 订单时间.day_of_week.tolist()) # 输出: [0, 6]（周一和周日）
day_of_year：年内第几天
类型：property
归属：pandas.DatetimeIndex
说明：返回 1-365/366 的整数，适合分析季节性趋势和年内进度。
import pandas as pd
订单时间 = pd.DatetimeIndex([\’2026-01-01 00:00\’, \’2026-05-28 12:00\’], name=\’下单时间\’)
print(\”年内日序:\”, 订单时间.day_of_year.tolist()) # 输出: [1, 148]
dayofweek：星期序号（同义）
类型：property
归属：pandas.DatetimeIndex
说明：与 day_of_week 含义完全相同，是旧版兼容属性。
import pandas as pd
index = pd.DatetimeIndex([\’2026-05-25 09:30\’, \’2026-05-31 08:00\’])
print(\”星期序号:\”, index.dayofweek.tolist()) # 输出: [0, 6]
dayofyear：年内日序（同义）
类型：property
归属：pandas.DatetimeIndex
说明：与 day_of_year 含义完全相同，是旧版兼容属性。
import pandas as pd
index = pd.DatetimeIndex([\’2026-01-01\’, \’2026-05-28\’])
print(\”年内日序:\”, index.dayofyear.tolist()) # 输出: [1, 148]
days_in_month：当月天数
类型：property
归属：pandas.DatetimeIndex
说明：返回每个时间戳所在月份的总天数（28-31），适合月末账期和天数折算。
import pandas as pd
index = pd.DatetimeIndex([\’2026-02-15\’, \’2026-05-28\’, \’2026-07-01\’])
print(\”当月天数:\”, index.days_in_month.tolist()) # 输出: [28, 31, 31]
daysinmonth：当月天数（兼容）
类型：property
归属：pandas.DatetimeIndex
说明：days_in_month 的旧版兼容属性，推荐使用新名称。
import pandas as pd
index = pd.DatetimeIndex([\’2026-02-15\’, \’2026-05-28\’])
print(\”当月天数:\”, index.daysinmonth.tolist()) # 输出: [28, 31]
dtype：时间dtype
类型：property
归属：pandas.DatetimeIndex
说明：返回 datetime 索引的数据类型，如 datetime64[ns] 或带时区的 datetime64[ns, Asia/Shanghai]。
import pandas as pd
index = pd.DatetimeIndex([\’2026-05-25 09:30\’, \’2026-05-31 08:00\’], tz=\’Asia/Shanghai\’)
print(\”dtype:\”, index.dtype) # 输出: datetime64[ns, Asia/Shanghai]
hour：小时字段
类型：property
归属：pandas.DatetimeIndex
说明：返回 0-23 的小时数，适合按小时分析访问峰值或交易时段。
import pandas as pd
登录时间 = pd.DatetimeIndex([\’2026-05-25 08:30\’, \’2026-05-25 12:00\’, \’2026-05-25 20:00\’])
print(\”小时:\”, 登录时间.hour.tolist()) # 输出: [8, 12, 20]
inferred_type：推断类型
类型：property
归属：pandas.DatetimeIndex
说明：pandas 自动推断的数据类型描述字符串。
import pandas as pd
index = pd.DatetimeIndex([\’2026-05-25 09:30\’, \’2026-05-31 08:00\’])
print(\”推断类型:\”, index.inferred_type) # 输出: \’datetime64\’
is_leap_year：是否闰年
类型：property
归属：pandas.DatetimeIndex
说明：返回每个时间戳所在年份是否为闰年的布尔数组。
import pandas as pd
index = pd.DatetimeIndex([\’2024-05-01\’, \’2025-05-01\’, \’2026-05-01\’])
print(\”是否闰年:\”, index.is_leap_year.tolist()) # 输出: [True, False, False]
is_month_end：是否月末
类型：property
归属：pandas.DatetimeIndex
说明：返回每个时间戳是否为当月最后一天的布尔数组，适合月结对账。
import pandas as pd
index = pd.DatetimeIndex([\’2026-05-28\’, \’2026-05-31\’, \’2026-06-30\’])
print(\”是否月末:\”, index.is_month_end.tolist()) # 输出: [False, True, True]
is_month_start：是否月初
类型：property
归属：pandas.DatetimeIndex
说明：返回每个时间戳是否为当月第一天的布尔数组。
import pandas as pd
index = pd.DatetimeIndex([\’2026-05-01\’, \’2026-05-15\’, \’2026-06-01\’])
print(\”是否月初:\”, index.is_month_start.tolist()) # 输出: [True, False, True]
is_normalized：是否归一化
类型：CachedProperty
归属：pandas.DatetimeIndex
说明：返回时间是否全部归一化到午夜（即小时分钟秒均为 0）。
import pandas as pd
归一化的 = pd.DatetimeIndex
