df是一个pandas数据框架。 我想找到所有数字类型的列。 喜欢的东西:
isNumeric = is_numeric(df)
df是一个pandas数据框架。 我想找到所有数字类型的列。 喜欢的东西:
isNumeric = is_numeric(df)
当前回答
你可以使用DataFrame的select_dtypes方法。它包括include和exclude两个参数。所以isNumeric看起来是这样的:
numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
newdf = df.select_dtypes(include=numerics)
其他回答
你可以使用DataFrame的select_dtypes方法。它包括include和exclude两个参数。所以isNumeric看起来是这样的:
numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
newdf = df.select_dtypes(include=numerics)
很多贴出来的答案都是低效的。这些答案要么返回/选择原始数据帧的子集(不必要的副本),要么在describe()的情况下执行不必要的计算统计。
要获得数字列名,可以使用pd.api.types的条件列表推导式。is_numeric_dtype功能:
numeric_cols = [col for col in df if pd.api.types.is_numeric_dtype(df[col])]
我不确定这个函数是什么时候引入的。
下面的代码将返回数据集的数字列的名称列表。
cnames=list(marketing_train.select_dtypes(exclude=['object']).columns)
这里marketing_train是我的数据集,select_dtypes()是使用exclude和include参数选择数据类型的函数,columns用于获取数据集的列名 以上代码的输出如下:
['custAge',
'campaign',
'pdays',
'previous',
'emp.var.rate',
'cons.price.idx',
'cons.conf.idx',
'euribor3m',
'nr.employed',
'pmonths',
'pastEmail']
调整这个答案,你可以做到
df.ix[:,df.applymap(np.isreal).all(axis=0)]
在这里,np.applymap(np.isreal)显示数据帧中的每个单元格是否都是数值,而.axis(all=0)检查列中的所有值是否都为True,并返回一系列可用于索引所需列的布尔值。
简单的一行程序:
df.select_dtypes('number').columns