Typy danych – Pandas

W pandas istnieje kilka głównych typów danych:

1. Typy liczbowe: służą do przechowywania liczb. Pandas obsługuje następujące typy liczbowe:
   • int64: typ całkowity o szerokości 64 bitów
   • float64: typ zmiennoprzecinkowy o szerokości 64 bitów
   • complex128: typ zespolony o szerokości 128 bitów
2. Typy sekwencyjne: służą do przechowywania sekwencji danych. Pandas obsługuje następujące typy sekwencyjne:
   • string:typ znakowy
   • unicode: typ znakowy Unicode
   • list: lista obiektów Python
3. Słowniki:
4. Typy kategoryczne: służą do przechowywania danych kategorycznych, czyli danych, które należą do ograniczonej liczby kategorii. Typ kategoryczny jest optymalizowany pod kątem pamięci i szybkości w porównaniu z innymi typami danych, gdy dane kategoryczne są duże i/lub mają dużą liczbę kategorii.
5. Typy datetime: służą do przechowywania dat i godzin. Pandas obsługuje następujące typy datetime:
   • datetime64[ns]: typ datetime z nanosekundami
   • datetime64[ms]: typ datetime z milisekundami
   • datetime64[us]: typ datetime z mikrosekundami
   • datetime64[ps]: typ datetime z pikosekundami
   • datetime64[fs]: typ datetime z femtosekundami
6. Typy bool: służą do przechowywania wartości logicznych True i False.
7. Typy obiektów: służą do przechowywania dowolnych obiektów Python.

Można użyć metody pandas.DataFrame.dtypes do wyświetlenia typów danych w ramce danych DataFrame w pandas.