Python查看数据类型与格式
一般我们拿到一个数据，会先看一下这个数据有多少行多少列，各个字段是什么，数据格式类型是什么。在开始讲数据格式前，需要先梳理一下各个数据类型。
我们常使用的库一般是numpy和pandas，Numpy下的核心是数组（array，ndarray）,Pandas下的核心是数据框（Series，DataFrame）
先随机创一点数据用来测试
|
1
2
3
4
5
|
import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randint(5,10,size=(10,2)),columns=['a','b'])
Array=np.random.randint(5,10,size=(10,2))
#假设我们不知道df和Array是什么数据类型
|
查看现有的数据是数据框类型还是数组矩阵类型
语法：type(XXX)，适用于tuple/list/array/ndarray/Series/Dataframe
|
1
2
3
4
5
6
7
8
|
print(type(df))
#输出 class 'pandas.core.frame.DataFrame'这是DataFrame类型的数据
print(type(Array))
#输出class 'numpy.ndarray'这是多维数组
print(type(tuple(Array)))
#输出'tuple'这是元组
print(type(list(df['a'])))
#输出'class list'这是一个list类型
|
查看数据格式是字符串还是数字格式
这里需要区分一下Numpy和Pandas的查看方式略有不同，一个是dtype,一个是dtypes
|
1
2
3
4
|
print(Array.dtype)
#输出int64
print(df.dtypes)
#输出Df下所有列的数据格式 a:int64,b:int64
|
Python数据类型bytes
1 bytes类型的特性
Python 3.x之后，Python自带字符默认使用utf-8格式编码和显示
- Python默认字符串string数据类型是utf-8显示形式的序列
- bytes数据类型是utf-8格式的二进制形式的不可变序列
- bytearray数据类型是utf-8格式的二进制形式的可变序列
1.1 ASCII表
2 bytes类型创建与转化
2.1 bytes类型与数字
数字类型并不是字符串，无法直接生成对应的bytes类
Python对数字类型定义了特殊意义
① 当入参为数字时，表示创建nul(\x00)的向量
|
1
2
3
|
byte_str = bytes(10)
print(byte_str)
>>> b'\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00'
|
② 当入参为数字的序列时，直接转为bytes的序列，且对应值相同，将数字序列直接写入底层应该使用这种方法
|
1
2
3
|
byte_str = bytes([1, 10, 0xF])
print(byte_str)
>>> b'\x00\x10\x0f'
|
③ 当二进制数据在[33, 126]区间时，属于ASCII表上可显示字符范围，会直接显示对应的字符
数字直接使用bytes创建
|
1
2
3
|
byte_str = bytes([33, 48, 126])
print(byte_str)
>>> b'!0~'
|
2.2 bytes类型与ASCII字符
2.2.1 创建bytes数据
① 使用b''创建
|
1
2
3
|
byte_str = b'Python'
print(byte_str)
>>> b'Python'
|
② 使用bytes()创建不可变序列
|
1
2
3
|
byte_str = bytes('Python', encoding='utf-8')
print(byte_str)
>>> b'Python'
|
③ 使用bytearray()创建可变序列
|
1
2
3
|
byte_str = bytearray('Python', encoding='utf-8')
print(byte_str)
>>> bytearray(b'Python')
|
2.2.2 还原bytes数据
① 使用bytes.decode()还原不可变序列
|
1
2
3
4
|
byte_str = bytes('Python', encoding='utf-8')
utf_str = bytes.decode(byte_str)
print(utf_str)
>>> 'Python'
|
② 使用bytearray.decode()还原可变序列
|
1
2
3
4
|
byte_str = bytearray('Python', encoding='utf-8')
utf_str = bytearray.decode(byte_str)
print(utf_str)
>>> 'Python'
|
2.3 bytes类型与汉字
在UTF-8中，每个汉字用3个Byte表示
|
1
2
3
|
byte_str = bytes('我是', encoding='utf-8')
print(byte_str)
>>> b'\xe6\x88\x91\xe6\x98\xaf'
|
还原：
|
1
2
3
4
|
byte_str = b'\xe6\x88\x91\xe6\x98\xaf'
utf_str = bytes.decode(byte_str)
print(utf_str)
>>> '我是'
|
3 bytes类型切片迭代
① 通过bytes[index]方式返回的是底层int类型
|
1
2
3
4
5
|
byte_str = b'a'
print(type(byte_str[0]))
print(byte_str[0])
>>> <class 'int'>
>>> 97
|
|
1
2
3
4
5
|
byte_str = b'abc'
print(type(byte_str[2]))
print(byte_str[2])
>>> <class 'int'>
>>> 99
|
② 通过for ... in bytes方式返回的是底层int类型
|
1
2
3
4
5
6
7
8
9
10
11
|
byte_str = b'abc'
for byte in byte_str:
print(type(byte))
print(byte)
>>> <class 'int'>
>>> 97
>>> <class 'int'>
>>> 98
>>> <class 'int'>
>>> 99
|
③ 通过bytes[start:end]方式返回的是底层bytes类型
|
1
2
3
4
5
|
byte_str = b'a'
print(type(byte_str[:]))
print(byte_str[:])
>>> <class 'bytes'>
>>> b'a'
|
|
