内部结构

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

索引

在 pandas 中，有几个已实现的、可用作轴标签的有效容器对象

• Index：通用的“有序集合”对象，一个内容不作任何假设的对象 dtype 的 ndarray。标签必须是可哈希（且可能不可变）和唯一的。在 Cython 中填充一个从标签到位置的字典，以实现 O(1) 查找。

• MultiIndex：标准的分层索引对象

• DatetimeIndex：一个包含 Timestamp 装箱元素的 Index 对象（实现是 int64 值）

• TimedeltaIndex：一个包含 Timedelta 装箱元素的 Index 对象（实现是 int64 值）

• PeriodIndex：一个包含 Period 元素的 Index 对象

有一些函数可以轻松创建常规索引

• date_range()：从时间规则或 DateOffset 生成的固定频率日期范围。一个 Python datetime 对象的 ndarray

• period_range()：从时间规则或 DateOffset 生成的固定频率日期范围。一个 Period 对象的 ndarray，表示时间跨度

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 由几部分组成：层级（levels）、整数代码（codes）和层级名称（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'])

你可能已经猜到，代码决定了索引的每一层中哪个唯一元素与该位置相关联。重要的是要注意，排序完全由整数代码决定，并且不检查（或关心）层级本身是否已排序。幸运的是，构造函数 from_tuples() 和 from_arrays() 确保了这一点，但如果你自己计算层级和代码，请务必小心。

值

pandas 使用自定义类型（如 Categorical 或带时区的时间戳）扩展了 NumPy 的类型系统，因此我们有多种“值”的概念。对于一维容器（Index 类和 Series），我们遵循以下约定

• cls._values 指的是“最佳可能”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。