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)?
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
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']}
获取特定dtype的列列表的最直接方法。“对象”:
df.select_dtypes(include='object').columns
例如:
>>df = pd.DataFrame([[1, 2.3456, 'c', 'd', 78]], columns=list("ABCDE"))
>>df.dtypes
A int64
B float64
C object
D object
E int64
dtype: object
获取所有'object' dtype列:
>>df.select_dtypes(include='object').columns
Index(['C', 'D'], dtype='object')
仅仅是列表:
>>list(df.select_dtypes(include='object').columns)
['C', 'D']
