内部结构

本节将介绍 pandas 的一些内部结构。主要面向 pandas 本身的开发者。

索引

在 pandas 中，有几种对象可以作为轴标签的有效容器。

• Index：通用的“有序集”对象，一个 dtype 为 object 的 ndarray，不对其内容做任何假设。标签必须是可哈希的（并且很可能是不可变的）和唯一的。通过 Cython 中的一个字典将标签映射到位置，以实现 O(1) 的查找。

• MultiIndex：标准的层次索引对象。

• DatetimeIndex：一个 Index 对象，包含 Timestamp 装箱元素（内部实现为 int64 值）。

• TimedeltaIndex：一个 Index 对象，包含 Timedelta 装箱元素（内部实现为 int64 值）。

• PeriodIndex：一个 Index 对象，包含 Period 元素。

有一些函数可以方便地创建常规索引。

• date_range()：根据时间规则或 DateOffset 生成固定频率的日期范围。一个 Python datetime 对象数组。

• period_range()：根据时间规则或 DateOffset 生成固定频率的日期范围。一个 Period 对象数组，代表时间段。

警告

不支持自定义 Index 子类，自定义行为应使用 ExtensionArray 接口实现。

MultiIndex

在内部，MultiIndex 由几个部分组成：级别 (levels)，整数 代码 (codes)，以及级别 名称 (names)。

In [1]: index = pd.MultiIndex.from_product(
   ...:     [range(3), ["one", "two"]], names=["first", "second"]
   ...: )
   ...: 

In [2]: index
Out[2]: 
MultiIndex([(0, 'one'),
            (0, 'two'),
            (1, 'one'),
            (1, 'two'),
            (2, 'one'),
            (2, 'two')],
           names=['first', 'second'])

In [3]: index.levels
Out[3]: FrozenList([[0, 1, 2], ['one', 'two']])

In [4]: index.codes
Out[4]: FrozenList([[0, 0, 1, 1, 2, 2], [0, 1, 0, 1, 0, 1]])

In [5]: index.names
Out[5]: FrozenList(['first', 'second'])

您可能可以猜到，代码决定了在索引的每一层中，哪个唯一元素与该位置相关联。需要注意的是，排序是**仅**由整数代码决定的，并且不会检查（或关心）级别本身是否已排序。幸运的是，构造函数 from_tuples() 和 from_arrays() 确保了这一点，但如果您自己计算级别和代码，请务必小心。

值

pandas 使用自定义类型扩展了 NumPy 的类型系统，例如 Categorical 或带有时区的日期时间，因此我们有多种“值”的概念。对于一维容器（Index 类和 Series），我们有以下约定：

• cls._values 指的是“最佳可能”的数组。这可能是一个 ndarray 或 ExtensionArray。

因此，例如，Series[category]._values 是一个 Categorical。

子类化 pandas 数据结构

本节已移至 子类化 pandas 数据结构。