yoshiserry;

def col_types(x,pd):
    dtypes=x.dtypes
    dtypes_col=dtypes.index
    dtypes_type=dtypes.value
    column_types=dict(zip(dtypes_col,dtypes_type))
    return column_types

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]

使用dtype将为您提供所需的列的数据类型:

dataframe['column1'].dtype

如果你想一次知道所有列的数据类型，你可以使用dtype的复数作为dtypes:

dataframe.dtypes

许多已发布的解决方案都使用df。Select_dtypes会不必要地创建一个临时的中间数据帧。如果你想要的只是“非数字类型(不是float32/int64/complex128/等等)的列的列表，只需执行其中一个(如果你只想要数字类型，则删除“not”):

import numpy as np
[c for c in df.columns if not np.issubdtype(df[c].dtype, np.number)]

from pandas.api.types import is_numeric_dtype
[c for c in df.columns if not is_numeric_dtype(c)]

注意:如果你想区分浮点数(float32/float64)与整数和复数，那么你可以使用np。浮动而不是np。上面两个解中的第一个或者下面两个解中的第一个。

如果你想让结果是pd。索引，而不是像上面那样只是列名字符串列表，这里有两种方法(第一种是基于@juanpa.arrivillaga):

import numpy as np
df.columns[[not np.issubdtype(dt, np.number) for dt in df.dtypes]]

from pandas.api.types import is_numeric_dtype
df.columns[[not is_numeric_dtype(c) for c in df.columns]]

其他一些方法可能会将bool列视为数值类型，但上面的解决方案不会这样做(使用numpy 1.22.3 / pandas 1.4.2测试)。

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 ()

我想出了这个三句话。

本质上，它是这样做的:

获取列名及其各自的数据类型。 我可以选择将它输出到csv。

inp = pd.read_csv('filename.csv') # read input. Add read_csv arguments as needed
columns = pd.DataFrame({'column_names': inp.columns, 'datatypes': inp.dtypes})
columns.to_csv(inp+'columns_list.csv', encoding='utf-8') # encoding is optional

这使得我在尝试动态生成模式时更加容易。希望这能有所帮助