内部机制

本节将深入了解 pandas 的一些内部机制。它主要面向 pandas 本身的开发者。

索引

在 pandas 中，实现了一些对象，它们可以作为轴标签的有效容器。

• Index: 通用“有序集合”对象，一个 object 类型的 ndarray，不假设其内容。标签必须是可散列的（并且可能是不可变的）且唯一的。它在 Cython 中填充一个标签到位置的字典，以进行 O(1) 查找。

• MultiIndex: 标准的分层索引对象

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

• TimedeltaIndex: 包含 Timedelta 元素的索引对象（实现是 in64 值）

• PeriodIndex: 包含 Period 元素的索引对象

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，应使用 ExtensionArray 接口实现自定义行为。

多级索引

在内部，MultiIndex 包含以下几项：级别、整数代码和级别名称

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'])

您可能猜到代码确定每个索引层中哪个唯一元素与该位置相关联。需要注意的是，排序完全由整数代码决定，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() 确保这一点，但如果您自己计算级别和代码，请小心。

值

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

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

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

pandas 数据结构的子类化

本节已移至 pandas 数据结构的子类化。