获取基于数据类型的pandas数据框架列列表

如果我有一个具有以下列的数据框架:

1. NAME                                     object
2. On_Time                                      object
3. On_Budget                                    object
4. %actual_hr                                  float64
5. Baseline Start Date                  datetime64[ns]
6. Forecast Start Date                  datetime64[ns]

我想能够说:对于这个数据框架，给我一个列的类型'对象'或类型'datetime'的列表?

我有一个函数，将数字('float64')转换为两个小数点后的位置，我想使用这个特定类型的数据帧列的列表，并通过这个函数将它们全部转换为2dp。

也许是这样的:

For c in col_list: if c.dtype = "Something"
list[]
List.append(c)?

当前回答

你可以在dtypes属性上使用布尔掩码:

In [11]: df = pd.DataFrame([[1, 2.3456, 'c']])

In [12]: df.dtypes
Out[12]: 
0      int64
1    float64
2     object
dtype: object

In [13]: msk = df.dtypes == np.float64  # or object, etc.

In [14]: msk
Out[14]: 
0    False
1     True
2    False
dtype: bool

您可以只查看那些具有所需dtype的列:

In [15]: df.loc[:, msk]
Out[15]: 
        1
0  2.3456

现在你可以使用round(或其他)并将其赋值回去:

In [16]: np.round(df.loc[:, msk], 2)
Out[16]: 
      1
0  2.35

In [17]: df.loc[:, msk] = np.round(df.loc[:, msk], 2)

In [18]: df
Out[18]: 
   0     1  2
0  1  2.35  c

2014-03-18 05:38:28

其他回答

我使用infer_objects()

文档字符串:尝试为对象列推断更好的dtype。尝试对对象类型的列进行软转换，保留非对象不可转换列不变。推理规则是相同的与正常的系列/数据框架构建过程一样。

.dtypes df.infer_objects ()

2019-06-26 15:27:22

df = pd.DataFrame({'float': [1.0],
                   'int': [1],
                   'bool_1': [False],
                   'datetime': [pd.Timestamp('20180310')],
                   'bool_2': [True],
                   'string': ['foo']})
df.dtypes

# float              float64
# int                  int64
# bool_1                bool
# datetime    datetime64[ns]
# bool_2                bool
# string              object
# dtype: object


[column for column, is_type in (df.dtypes==bool).items() if is_type]
# ['bool_1', 'bool_2']

2021-09-10 10:09:53

如果你想要一个特定类型的列列表，你可以使用groupby:

>>> df = pd.DataFrame([[1, 2.3456, 'c', 'd', 78]], columns=list("ABCDE"))
>>> df
   A       B  C  D   E
0  1  2.3456  c  d  78

[1 rows x 5 columns]
>>> df.dtypes
A      int64
B    float64
C     object
D     object
E      int64
dtype: object
>>> g = df.columns.to_series().groupby(df.dtypes).groups
>>> g
{dtype('int64'): ['A', 'E'], dtype('float64'): ['B'], dtype('O'): ['C', 'D']}
>>> {k.name: v for k, v in g.items()}
{'object': ['C', 'D'], 'int64': ['A', 'E'], 'float64': ['B']}

2014-03-18 09:29:34

如果你想要一个只有对象列的列表，你可以这样做:

non_numerics = [x for x in df.columns \
                if not (df[x].dtype == np.float64 \
                        or df[x].dtype == np.int64)]

然后如果你想要得到另一个数字列表

numerics = [x for x in df.columns if x not in non_numerics]

2016-12-29 06:05:20

从pandas v0.14.1开始，可以使用select_dtypes()按dtype选择列

In [2]: df = pd.DataFrame({'NAME': list('abcdef'),
    'On_Time': [True, False] * 3,
    'On_Budget': [False, True] * 3})

In [3]: df.select_dtypes(include=['bool'])
Out[3]:
  On_Budget On_Time
0     False    True
1      True   False
2     False    True
3      True   False
4     False    True
5      True   False

In [4]: mylist = list(df.select_dtypes(include=['bool']).columns)

In [5]: mylist
Out[5]: ['On_Budget', 'On_Time']

2015-01-14 23:29:22

获取基于数据类型的pandas数据框架列列表

推荐文章

最新文章

标签