Question

假设df是一个pandas DataFrame。我想找到所有数字类型的列。类似的东西：

isNumeric = is_numeric(df)

Answer 1

您可以使用DataFrame的select_dtypes方法。它包括两个参数include和exclude。所以isNumeric看起来像：

numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']

newdf = df.select_dtypes(include=numerics)

Answer 2

您可以使用未记录的函数_get_numeric_data()仅过滤数字列：

df._get_numeric_data()

示例：

In [32]: data
Out[32]:
   A  B
0  1  s
1  2  s
2  3  s
3  4  s

In [33]: data._get_numeric_data()
Out[33]:
   A
0  1
1  2
2  3
3  4

请注意，这是一种＆＃34;私有方法＆＃34; （即实施细节），将来可能会有变更或全部删除。 谨慎使用。

Answer 3

创建仅包含数字列的新数据框的简单单行答案：

df.select_dtypes(include=[np.number])

如果您想要数字列的名称：

df.select_dtypes(include=[np.number]).columns.tolist()

完整代码：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': range(7, 10),
                   'B': np.random.rand(3),
                   'C': ['foo','bar','baz'],
                   'D': ['who','what','when']})
df
#    A         B    C     D
# 0  7  0.704021  foo   who
# 1  8  0.264025  bar  what
# 2  9  0.230671  baz  when

df_numerics_only = df.select_dtypes(include=[np.number])
df_numerics_only
#    A         B
# 0  7  0.704021
# 1  8  0.264025
# 2  9  0.230671

colnames_numerics_only = df.select_dtypes(include=[np.number]).columns.tolist()
colnames_numerics_only
# ['A', 'B']

Answer 4

df.select_dtypes(exclude=['object'])

Answer 5

简单的一线：

df.select_dtypes('number').columns

Answer 6

def is_type(df, baseType):
    import numpy as np
    import pandas as pd
    test = [issubclass(np.dtype(d).type, baseType) for d in df.dtypes]
    return pd.DataFrame(data = test, index = df.columns, columns = ["test"])
def is_float(df):
    import numpy as np
    return is_type(df, np.float)
def is_number(df):
    import numpy as np
    return is_type(df, np.number)
def is_integer(df):
    import numpy as np
    return is_type(df, np.integer)

Answer 7

适应this answer，您可以

df.ix[:,df.applymap(np.isreal).all(axis=0)]

这里，np.applymap(np.isreal)显示数据框中的每个单元格是否为数字，.axis(all=0)检查列中的所有值是否为True，并返回一系列可用于索引所需的布尔值列。

Answer 8

以下代码将返回数据集数字列名称的列表。

cnames=list(marketing_train.select_dtypes(exclude=['object']).columns)

这里marketing_train是我的数据集，而select_dtypes（）是使用exclude和include参数选择数据类型的函数，并且column用于获取数据集的列名以上代码的输出如下： ['custAge'， '运动'， “ pdays”， '以前'， 'emp.var.rate'， 'cons.price.idx'， 'cons.conf.idx'， 'euribor3m'， 'nr.employed'， “ pmonths”， 'pastEmail']

谢谢

Answer 9

我们可以根据以下要求包括和排除数据类型：

train.select_dtypes(include=None, exclude=None)
train.select_dtypes(include='number') #will include all the numeric types

摘自Jupyter Notebook。

要选择所有数字类型，请使用np.number或'number'

要选择字符串，必须使用object dtype，但请注意这将返回所有对象dtype列
请参见NumPy dtype hierarchy <http://docs.scipy.org/doc/numpy/reference/arrays.scalars.html> __
要选择日期时间，请使用np.datetime64，'datetime'或 'datetime64'
要选择时间增量，请使用np.timedelta64，'timedelta'或 'timedelta64'
要选择Pandas类别dtype，请使用'category'
要选择Pandas datetimetz dtypes，请使用'datetimetz'（新 0.20.0）或``'datetime64 [ns，tz]'

Answer 10

这是另一个用于在pandas数据框中查找数字列的简单代码，

      numeric_clmns = df.dtypes[df.dtypes != "object"].index

Answer 11

请参阅以下代码：

db.stats

这样，您可以检查值是否为数字，例如float和int或srting值。第二个if语句用于检查对象引用的字符串值。

如何在Pandas中找到数字列？

11 个答案: