массивы pandas, скаляры и типы данных

Объекты

Для большинства типов данных pandas использует массивы NumPy в качестве конкретных объектов, содержащихся в Index, Series, или DataFrame.

Для некоторых типов данных pandas расширяет систему типов NumPy. Строковые псевдонимы для этих типов можно найти в dtypes.

Тип данных	Тип данных pandas	Скаляр	Массив
Дата-время с учетом часового пояса	DatetimeTZDtype	Timestamp	Даты и время
Timedeltas	(нет)	Timedelta	Timedeltas
Период (временные промежутки)	PeriodDtype	Period	Периоды
Интервалы	IntervalDtype	Interval	Интервалы
Nullable Integer	Int64Dtype, …	(нет)	Nullable integer
Nullable Float	Float64Dtype, …	(нет)	Nullable float
Категориальный	CategoricalDtype	(нет)	Категориальные данные
Разреженный	SparseDtype	(нет)	Разреженный
Строки	StringDtype	str	Строки
Nullable Boolean	BooleanDtype	bool	Nullable Boolean
PyArrow	ArrowDtype	Python Scalars или NA	PyArrow

pandas и сторонние библиотеки могут расширять систему типов NumPy (см. Расширенные типы). Верхнеуровневый array() Метод может быть использован для создания нового массива, который может быть сохранен в Series, Index, или как столбец в DataFrame.

array(data[, dtype, copy])

Создать массив.

PyArrow

Предупреждение

Эта функция является экспериментальной, и API может измениться в будущих выпусках без предупреждения.

The arrays.ArrowExtensionArray поддерживается pyarrow.ChunkedArray с pyarrow.DataType вместо массива NumPy и типа данных. .dtype из arrays.ArrowExtensionArray является ArrowDtype.

Pyarrow предоставляет аналогичные массивы и тип данных поддержка как в NumPy, включая поддержку нулевых значений первого класса для всех типов данных, неизменяемость и многое другое.

В таблице ниже показаны эквивалентные на основе pyarrow (pa), расширение pandas и numpy (np) типы, которые распознаются pandas. Pyarrow-поддерживаемые типы ниже должны быть переданы в ArrowDtype для распознавания pandas, например, pd.ArrowDtype(pa.bool_())

тип PyArrow	расширенный тип pandas	Тип NumPy
pyarrow.bool_()	BooleanDtype	np.bool_
pyarrow.int8()	Int8Dtype	np.int8
pyarrow.int16()	Int16Dtype	np.int16
pyarrow.int32()	Int32Dtype	np.int32
pyarrow.int64()	Int64Dtype	np.int64
pyarrow.uint8()	UInt8Dtype	np.uint8
pyarrow.uint16()	UInt16Dtype	np.uint16
pyarrow.uint32()	UInt32Dtype	np.uint32
pyarrow.uint64()	UInt64Dtype	np.uint64
pyarrow.float32()	Float32Dtype	np.float32
pyarrow.float64()	Float64Dtype	np.float64
pyarrow.time32()	(нет)	(нет)
pyarrow.time64()	(нет)	(нет)
pyarrow.timestamp()	DatetimeTZDtype	np.datetime64
pyarrow.date32()	(нет)	(нет)
pyarrow.date64()	(нет)	(нет)
pyarrow.duration()	(нет)	np.timedelta64
pyarrow.binary()	(нет)	(нет)
pyarrow.string()	StringDtype	np.str_
pyarrow.decimal128()	(нет)	(нет)
pyarrow.list_()	(нет)	(нет)
pyarrow.map_()	(нет)	(нет)
pyarrow.dictionary()	CategoricalDtype	(нет)

Примечание

Поддержка строк на основе Pyarrow предоставляется как pd.StringDtype("pyarrow") и pd.ArrowDtype(pa.string()). pd.StringDtype("pyarrow") описан ниже в раздел строк и будет возвращен, если строковый псевдоним "string[pyarrow]" указан. pd.ArrowDtype(pa.string()) обычно имеет лучшую совместимость с ArrowDtype разных типов.

Хотя отдельные значения в arrays.ArrowExtensionArray хранятся как объекты PyArrow, скаляры являются возвращён как скаляры Python, соответствующие типу данных, например, PyArrow int64 будет возвращен как Python int, или NA для пропущенных значений.

arrays.ArrowExtensionArray(values)

Pandas ExtensionArray, поддерживаемый PyArrow ChunkedArray.

ArrowDtype(pyarrow_dtype)

ExtensionDtype для типов данных PyArrow.

Для получения дополнительной информации, пожалуйста, смотрите Руководство пользователя PyArrow

Даты и время

NumPy не может нативно представлять даты и время с учетом часового пояса. pandas поддерживает это с помощью arrays.DatetimeArray расширенный массив, который может содержать значения без часового пояса или с часовым поясом.

Timestamp, подкласс datetime.datetime, является скалярным типом pandas для данных datetime без часового пояса или с часовым поясом. NaT это пропущенное значение для данных даты и времени.

Timestamp([ts_input, year, month, day, ...])

Замена pandas для объекта python datetime.datetime.

Свойства

Timestamp.asm8	Возвращает формат numpy datetime64 в наносекундах.
Timestamp.day
Timestamp.dayofweek	Возвращает день недели.
Timestamp.day_of_week	Возвращает день недели.
Timestamp.dayofyear	Возвращает день года.
Timestamp.day_of_year	Возвращает день года.
Timestamp.days_in_month	Возвращает количество дней в месяце.
Timestamp.daysinmonth	Возвращает количество дней в месяце.
Timestamp.fold
Timestamp.hour
Timestamp.is_leap_year	Вернуть True, если год високосный.
Timestamp.is_month_end	Проверить, является ли дата последним днем месяца.
Timestamp.is_month_start	Проверить, является ли дата первым днем месяца.
Timestamp.is_quarter_end	Проверить, является ли дата последним днем квартала.
Timestamp.is_quarter_start	Проверить, является ли дата первым днем квартала.
Timestamp.is_year_end	Возвращает True, если дата является последним днем года.
Timestamp.is_year_start	Возвращает True, если дата является первым днем года.
Timestamp.max
Timestamp.microsecond
Timestamp.min
Timestamp.minute
Timestamp.month
Timestamp.nanosecond
Timestamp.quarter	Возвращает квартал года.
Timestamp.resolution
Timestamp.second
Timestamp.tz	Псевдоним для tzinfo.
Timestamp.tzinfo
Timestamp.unit	Аббревиатура, связанная с self._creso.
Timestamp.value
Timestamp.week	Возвращает номер недели в году.
Timestamp.weekofyear	Возвращает номер недели в году.
Timestamp.year

Методы

Timestamp.as_unit(unit[, round_ok])	Преобразует базовое представление int64 в заданную единицу измерения.
Timestamp.astimezone(tz)	Преобразовать Timestamp с учетом часового пояса в другой часовой пояс.
Timestamp.ceil(freq[, ambiguous, nonexistent])	Возвращает новый Timestamp, округленный до этого разрешения.
Timestamp.combine(дата, время)	Объединить дату, время в datetime с теми же полями даты и времени.
Timestamp.ctime()	Возвращает строку в стиле ctime().
Timestamp.date()	Возвращает объект даты с тем же годом, месяцем и днем.
Timestamp.day_name([locale])	Возвращает название дня Timestamp с указанной локалью.
Timestamp.dst()	Возвращает корректировку летнего времени (DST).
Timestamp.floor(freq[, ambiguous, nonexistent])	Возвращает новый Timestamp, округлённый до этого разрешения.
Timestamp.fromordinal(ordinal[, tz])	Создать метку времени из пролептического григорианского порядкового номера.
Timestamp.fromtimestamp(ts)	Преобразовать timestamp[, tz] в локальное время tz из POSIX timestamp.
Timestamp.isocalendar()	Возвращает именованный кортеж, содержащий ISO год, номер недели и день недели.
Timestamp.isoformat([sep, timespec])	Возвращает время, отформатированное в соответствии с ISO 8601.
Timestamp.isoweekday()	Возвращает день недели, представленный датой.
Timestamp.month_name([locale])	Возвращает название месяца Timestamp с указанной локалью.
Timestamp.normalize()	Нормализация Timestamp до полуночи с сохранением информации о часовом поясе.
Timestamp.now([tz])	Возвращает новый объект Timestamp, представляющий текущее время в локальном часовом поясе tz.
Timestamp.replace([year, month, day, hour, ...])	Реализует datetime.replace, обрабатывает наносекунды.
Timestamp.round(freq[, ambiguous, nonexistent])	Округлить Timestamp до указанного разрешения.
Timestamp.strftime(формат)	Возвращает форматированную строку Timestamp.
Timestamp.strptime(строка, формат)	Функция не реализована.
Timestamp.time()	Возвращает объект времени с тем же временем, но с tzinfo=None.
Timestamp.timestamp()	Возврат временной метки POSIX как числа с плавающей точкой.
Timestamp.timetuple()	Возвращает кортеж времени, совместимый с time.localtime().
Timestamp.timetz()	Возвращает объект времени с тем же временем и tzinfo.
Timestamp.to_datetime64()	Возвращает объект numpy.datetime64 с той же точностью.
Timestamp.to_numpy([dtype, copy])	Преобразовать метку времени в NumPy datetime64.
Timestamp.to_julian_date()	Преобразовать TimeStamp в юлианскую дату.
Timestamp.to_period([freq])	Возвращает период, наблюдением которого является эта временная метка.
Timestamp.to_pydatetime([предупреждение])	Преобразовать объект Timestamp в нативный объект datetime Python.
Timestamp.today([tz])	Возвращает текущее время в локальном часовом поясе.
Timestamp.toordinal()	Возвращает пролептический григорианский порядковый номер.
Timestamp.tz_convert(tz)	Преобразовать Timestamp с учетом часового пояса в другой часовой пояс.
Timestamp.tz_localize(tz[, ambiguous, ...])	Локализует метку времени в часовом поясе.
Timestamp.tzname()	Возвращает название часового пояса.
Timestamp.utcfromtimestamp(ts)	Создать datetime с учетом часового пояса UTC из POSIX-метки времени.
Timestamp.utcnow()	Возвращает новый Timestamp, представляющий день и время в UTC.
Timestamp.utcoffset()	Возвращает смещение UTC.
Timestamp.utctimetuple()	Возвращает кортеж времени UTC, совместимый с time.localtime().
Timestamp.weekday()	Возвращает день недели, представленный датой.

Коллекция временных меток может храниться в arrays.DatetimeArray. Для данных с учётом часового пояса .dtype из arrays.DatetimeArray является DatetimeTZDtype. Для данных без часового пояса, np.dtype("datetime64[ns]") используется.

Если данные учитывают часовой пояс, то каждое значение в массиве должно иметь один и тот же часовой пояс.

arrays.DatetimeArray(values[, dtype, freq, copy])

Pandas ExtensionArray для данных даты и времени без часового пояса или с часовым поясом.

DatetimeTZDtype([unit, tz])

ExtensionDtype для данных datetime с учётом часового пояса.

Timedeltas

NumPy может нативно представлять временные интервалы. pandas предоставляет Timedelta для симметрии с Timestamp. NaT является пропущенным значением для данных типа timedelta.

Timedelta([значение, единица])

Представляет длительность, разницу между двумя датами или временами.

Свойства

Timedelta.asm8	Вернуть скалярное представление массива numpy timedelta64.
Timedelta.components	Возвращает именованный кортеж, подобный компонентам.
Timedelta.days	Возвращает дни timedelta.
Timedelta.max
Timedelta.microseconds
Timedelta.min
Timedelta.nanoseconds	Возвращает количество наносекунд (n), где 0 <= n < 1 микросекунда.
Timedelta.resolution
Timedelta.seconds	Возвращает общее количество часов, минут и секунд timedelta в секундах.
Timedelta.unit
Timedelta.value
Timedelta.view(dtype)	Совместимость представления массива.

Методы

Timedelta.as_unit(unit[, round_ok])	Преобразовать базовое представление int64 в заданную единицу измерения.
Timedelta.ceil(freq)	Вернуть новый Timedelta, округленный до этого разрешения.
Timedelta.floor(freq)	Вернуть новый Timedelta, округленный вниз до этого разрешения.
Timedelta.isoformat()	Форматировать Timedelta как длительность ISO 8601.
Timedelta.round(freq)	Округлить Timedelta до указанной точности.
Timedelta.to_pytimedelta()	Преобразовать объект pandas Timedelta в python datetime.timedelta объект.
Timedelta.to_timedelta64()	Возвращает объект numpy.timedelta64 с точностью 'ns'.
Timedelta.to_numpy([dtype, copy])	Преобразовать Timedelta в NumPy timedelta64.
Timedelta.total_seconds()	Общее количество секунд в продолжительности.

Коллекция Timedelta может храниться в TimedeltaArray.

arrays.TimedeltaArray(values[, dtype, freq, ...])

Pandas ExtensionArray для данных временных интервалов.

Периоды

pandas представляет промежутки времени как Period объекты.

Period

Period([value, freq, ordinal, year, month, ...])

Представляет период времени.

Свойства

Period.day	Получить день месяца, на который приходится Period.
Period.dayofweek	День недели, в который попадает период, с понедельником=0 и воскресеньем=6.
Period.day_of_week	День недели, в который попадает период, с понедельником=0 и воскресеньем=6.
Period.dayofyear	Возвращает день года.
Period.day_of_year	Возвращает день года.
Period.days_in_month	Получить общее количество дней в месяце, на который приходится этот период.
Period.daysinmonth	Получить общее количество дней месяца, на которые приходится этот период.
Period.end_time	Получить Timestamp для конца периода.
Period.freq
Period.freqstr	Вернуть строковое представление частоты.
Period.hour	Получить компонент часа дня для Period.
Period.is_leap_year	Возвращает True, если год периода является високосным.
Period.minute	Получить минуту часа компонента Period.
Period.month	Возвращает месяц, на который приходится этот Period.
Period.ordinal
Period.quarter	Возвращает квартал, в который попадает этот Period.
Period.qyear	Финансовый год, в котором находится Period, согласно его начальному кварталу.
Period.second	Получите второй компонент периода.
Period.start_time	Получить Timestamp для начала периода.
Period.week	Получить неделю года для данного Period.
Period.weekday	День недели, в который попадает период, с понедельником=0 и воскресеньем=6.
Period.weekofyear	Получить неделю года для данного Period.
Period.year	Возвращает год, на который приходится этот Period.

Методы

Period.asfreq(freq[, how])	Преобразование Period в желаемую частоту, в начале или конце интервала.
Period.now(freq)	Возвращает период текущей даты.
Period.strftime(fmt)	Возвращает форматированное строковое представление Period.
Period.to_timestamp([freq, how])	Вернуть представление Timestamp для Period.

Коллекция Period может храниться в arrays.PeriodArray. Каждый период в arrays.PeriodArray должны иметь одинаковый freq.

arrays.PeriodArray(values[, dtype, freq, copy])

Pandas ExtensionArray для хранения данных Period.

PeriodDtype(freq)

ExtensionDtype для данных Period.

Интервалы

Произвольные интервалы могут быть представлены как Interval объекты.

Interval

Неизменяемый объект, реализующий Interval, ограниченный интервал, похожий на срез.

Свойства

Interval.closed	Строка, описывающая включенную сторону интервалов.
Interval.closed_left	Проверить, закрыт ли интервал с левой стороны.
Interval.closed_right	Проверить, закрыт ли интервал с правой стороны.
Interval.is_empty	Указывает, является ли интервал пустым, то есть не содержит точек.
Interval.left	Левая граница интервала.
Interval.length	Возвращает длину интервала.
Interval.mid	Возвращает середину интервала.
Interval.open_left	Проверить, открыт ли интервал с левой стороны.
Interval.open_right	Проверяет, открыт ли интервал с правой стороны.
Interval.overlaps(other)	Проверить, перекрываются ли два объекта Interval.
Interval.right	Правая граница интервала.

Коллекция интервалов может храниться в arrays.IntervalArray.

arrays.IntervalArray(data[, closed, dtype, ...])

Массив Pandas для интервальных данных, которые закрыты с одной стороны.

IntervalDtype([subtype, closed])

ExtensionDtype для интервальных данных.

Nullable integer

numpy.ndarray не может нативно представлять целочисленные данные с пропущенными значениями. pandas предоставляет это через arrays.IntegerArray.

arrays.IntegerArray(values, mask[, copy])

Массив целочисленных (опционально пропущенных) значений.

Int8Dtype()	ExtensionDtype для целочисленных данных int8.
Int16Dtype()	ExtensionDtype для целочисленных данных int16.
Int32Dtype()	ExtensionDtype для целочисленных данных int32.
Int64Dtype()	ExtensionDtype для целочисленных данных int64.
UInt8Dtype()	ExtensionDtype для целочисленных данных uint8.
UInt16Dtype()	ExtensionDtype для целочисленных данных uint16.
UInt32Dtype()	ExtensionDtype для целочисленных данных uint32.
UInt64Dtype()	ExtensionDtype для целочисленных данных uint64.

Nullable float

arrays.FloatingArray(values, mask[, copy])

Массив значений с плавающей точкой (опционально отсутствующих).

Float32Dtype()	ExtensionDtype для данных float32.
Float64Dtype()	ExtensionDtype для данных float64.

Категориальные данные

pandas определяет пользовательский тип данных для представления данных, которые могут принимать только ограниченный, фиксированный набор значений. Тип данных (dtype) для Categorical может быть описано с помощью CategoricalDtype.

CategoricalDtype([категории, упорядоченные])

Тип для категориальных данных с категориями и упорядоченностью.

CategoricalDtype.categories	An Index содержащий уникальные разрешенные категории.
CategoricalDtype.ordered	Имеют ли категории упорядоченное отношение.

Категориальные данные могут храниться в pandas.Categorical

Categorical(values[, categories, ordered, ...])

Представляет категориальную переменную в классическом стиле R / S-plus.

Альтернатива Categorical.from_codes() конструктор может использоваться, когда у вас уже есть категории и целочисленные коды:

Categorical.from_codes(codes[, categories, ...])

Создать категориальный тип из кодов и категорий или dtype.

Информация о типе данных доступна на Categorical

Categorical.dtype	The CategoricalDtype для этого экземпляра.
Categorical.categories	Категории этой категориальной переменной.
Categorical.ordered	Имеют ли категории упорядоченное отношение.
Categorical.codes	Коды категорий этого категориального индекса.

np.asarray(categorical) работает, реализуя интерфейс массива. Учтите, что это преобразует Categorical обратно в массив NumPy, поэтому информация о категориях и порядке не сохраняется!

Categorical.__array__([dtype, copy])

Интерфейс массива numpy.

A Categorical может храниться в Series или DataFrame. Чтобы создать Series типа category, используйте cat = s.astype(dtype) или Series(..., dtype=dtype) где dtype является либо

• строка 'category'

• экземпляр CategoricalDtype.

Если Series имеет тип данных CategoricalDtype, Series.cat может использоваться для изменения категориальных данных. См. Категориальный аксессор подробнее.

Разреженный

Данные, где одно значение повторяется много раз (например, 0 или NaN) может эффективно храниться как arrays.SparseArray.

arrays.SparseArray(data[, sparse_index, ...])

ExtensionArray для хранения разреженных данных.

SparseDtype([тип_данных, значение_заполнения])

Тип данных для хранения в SparseArray.

The Series.sparse аксессор может использоваться для доступа к атрибутам и методам, специфичным для разреженных данных, если Series содержит разреженные значения. См. Sparse аксессор и руководство пользователя подробнее.

Строки

При работе с текстовыми данными, где каждый допустимый элемент является строкой или пропущенным значением, мы рекомендуем использовать StringDtype (с псевдонимом "string").

arrays.StringArray(values[, copy])	Расширенный массив для строковых данных.
arrays.ArrowStringArray(values)	Расширенный массив для строковых данных в pyarrow.ChunkedArray.

StringDtype([storage, na_value])

Расширенный тип данных для строковых данных.

The Series.str аксессор доступен для Series поддерживается arrays.StringArray. См. Обработка строк подробнее.

Nullable Boolean

Логический тип данных (с псевдонимом "boolean") предоставляет поддержку для хранения логических данных (True, False) с пропущенными значениями, что невозможно с типом bool numpy.ndarray.

arrays.BooleanArray(values, mask[, copy])

Массив булевых данных (True/False) с пропущенными значениями.

BooleanDtype()

Расширенный тип данных для булевых данных.

Утилиты

Конструкторы

api.types.union_categoricals(to_union[, ...])	Объединение спискообразных категориальных объектов с объединением категорий.
api.types.infer_dtype(value[, skipna])	Возвращает строковую метку типа скаляра или списко-подобного значения.
api.types.pandas_dtype(dtype)	Преобразовать входные данные в объект dtype pandas или объект dtype numpy.

Интроспекция типов данных

api.types.is_any_real_numeric_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом данных вещественного числа.
api.types.is_bool_dtype(arr_or_dtype)	Проверяет, является ли предоставленный массив или тип данных булевым типом.
api.types.is_categorical_dtype(arr_or_dtype)	(УСТАРЕЛО) Проверить, является ли массивоподобный объект или тип данных категориальным типом.
api.types.is_complex_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных комплексным типом.
api.types.is_datetime64_any_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или dtype типом datetime64.
api.types.is_datetime64_dtype(arr_or_dtype)	Проверить, является ли массивоподобный объект или тип данных типом datetime64.
api.types.is_datetime64_ns_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом datetime64[ns].
api.types.is_datetime64tz_dtype(arr_or_dtype)	(УСТАРЕЛО) Проверить, является ли массивоподобный объект или тип данных типом DatetimeTZDtype.
api.types.is_extension_array_dtype(arr_or_dtype)	Проверьте, является ли объект типом расширенного массива pandas.
api.types.is_float_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом данных с плавающей точкой.
api.types.is_int64_dtype(arr_or_dtype)	(УСТАРЕЛО) Проверка, является ли предоставленный массив или тип данных типом int64.
api.types.is_integer_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных целочисленным типом данных.
api.types.is_interval_dtype(arr_or_dtype)	(УСТАРЕЛО) Проверяет, является ли массивоподобный объект или dtype типа Interval.
api.types.is_numeric_dtype(arr_or_dtype)	Проверьте, является ли предоставленный массив или тип данных числовым типом.
api.types.is_object_dtype(arr_or_dtype)	Проверяет, является ли массивоподобный объект или тип данных объектным типом.
api.types.is_period_dtype(arr_or_dtype)	(УСТАРЕЛО) Проверка, является ли массивоподобный объект или тип данных типом Period.
api.types.is_signed_integer_dtype(arr_or_dtype)	Проверка, является ли предоставленный массив или тип данных знаковым целочисленным типом.
api.types.is_string_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных строковым типом.
api.types.is_timedelta64_dtype(arr_or_dtype)	Проверить, является ли массивоподобный объект или тип данных типом timedelta64.
api.types.is_timedelta64_ns_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных типом timedelta64[ns].
api.types.is_unsigned_integer_dtype(arr_or_dtype)	Проверить, является ли предоставленный массив или тип данных беззнаковым целочисленным типом.
api.types.is_sparse(arr)	(УСТАРЕЛО) Проверить, является ли array-like одномерным разреженным массивом pandas.

Интроспекция итерируемых объектов

api.types.is_dict_like(obj)	Проверить, является ли объект словареподобным.
api.types.is_file_like(obj)	Проверить, является ли объект файлоподобным объектом.
api.types.is_list_like(obj[, allow_sets])	Проверить, является ли объект похожим на список.
api.types.is_named_tuple(obj)	Проверьте, является ли объект именованным кортежем.
api.types.is_iterator(obj)	Проверяет, является ли объект итератором.

Интроспекция скаляров

api.types.is_bool(obj)	Вернуть True, если данный объект является булевым.
api.types.is_complex(obj)	Возвращает True, если данный объект является комплексным.
api.types.is_float(obj)	Возвращает True, если данный объект является числом с плавающей точкой.
api.types.is_hashable(obj)	Возвращает True, если hash(obj) будет успешным, False в противном случае.
api.types.is_integer(obj)	Возвращает True, если данный объект является целым числом.
api.types.is_interval(obj)
api.types.is_number(obj)	Проверьте, является ли объект числом.
api.types.is_re(obj)	Проверить, является ли объект экземпляром шаблона регулярного выражения.
api.types.is_re_compilable(obj)	Проверьте, может ли объект быть скомпилирован в экземпляр шаблона регулярного выражения.
api.types.is_scalar(val)	Возвращает True, если данный объект является скаляром.