Python数据分析NumPy和pandas（二十一、数据清洗和预处理之三：扩展数据类型）

pandas 最初是基于NumPy构建的，NumPy 是一个主要用于处理数值数据的数组计算库。许多 pandas 概念（例如缺失数据）是使用 NumPy 中可用的内容实现的，同时试图最大限度地提高同时使用 NumPy 和 pandas 的库之间的兼容性。

在 NumPy 上构建pandas也导致了许多缺点，例如：

1.某些数值数据类型 （如整数和布尔值） 的缺失数据处理不完整。因此，当缺失数据被引入此类数据时，pandas 将数据类型转换为 float64 并使用 np.nan 表示 null 值。这在许多 pandas 算法中引入了微妙的问题，从而产生了复合效应。

2.具有大量字符串数据的数据集计算成本高昂，并且使用大量内存。

3.如果不使用计算成本高昂的 Python 对象数组，则无法有效地支持某些数据类型，例如时间间隔、时间增量和带时区的时间戳。

pandas 开发了一个扩展类型系统，允许添加新的数据类型，即使 NumPy 本身不支持它们。这些新数据类型可以与来自 NumPy 数组的数据一起被视为同等。我们创建一个具有缺失值的 Series 整数数组：

import numpy as np
import pandas as pd

s = pd.Series([1, 2, 3, None])
print(s)
print(s.dtype)