按dtype选择Pandas列

Question

我在想是否有一种优雅简洁的方法可以在 Pandas 数据框中按数据类型 (dtype) 选择列。也就是说，只从 DataFrame 中选择 int64 列。

更具体地说，类似于：

df.select_columns(dtype=float64)

- caner

Answer 1

自0.14.1版本以来，有一个select_dtypes方法，因此您可以更加优雅/通用地执行此操作。

In [11]: df = pd.DataFrame([[1, 2.2, 'three']], columns=['A', 'B', 'C'])

In [12]: df.select_dtypes(include=['int'])
Out[12]:
   A
0  1

选择所有数值类型，请使用numpy数据类型numpy.number。

In [13]: df.select_dtypes(include=[np.number])
Out[13]:
   A    B
0  1  2.2

In [14]: df.select_dtypes(exclude=[object])
Out[14]:
   A    B
0  1  2.2

- Andy Hayden

---

哪种方法不能直接适用于自定义数据类型，例如e.g.？ - keepAlive

Answer 2

df.loc[:, df.dtypes == np.float64]

- Dan Allan

---

谢谢你，@Dan！你能解释一下为什么它会这样工作吗？以及为什么 df[df.dtypes == np.float64] 不起作用？非常感谢！希望这对理解pandas有所帮助。 - Ray Walker

Answer 3

df.select_dtypes(include=[np.float64])

- normonics

Answer 4

我想通过添加选项来扩展现有答案，以便选择所有浮点数据类型或所有整数数据类型：

演示：

np.random.seed(1234)

df = pd.DataFrame({
        'a':np.random.rand(3), 
        'b':np.random.rand(3).astype('float32'), 
        'c':np.random.randint(10,size=(3)).astype('int16'),
        'd':np.arange(3).astype('int32'), 
        'e':np.random.randint(10**7,size=(3)).astype('int64'),
        'f':np.random.choice([True, False], 3),
        'g':pd.date_range('2000-01-01', periods=3)
     })

产生的结果是：

In [2]: df
Out[2]:
          a         b  c  d        e      f          g
0  0.191519  0.785359  6  0  7578569  False 2000-01-01
1  0.622109  0.779976  8  1  7981439   True 2000-01-02
2  0.437728  0.272593  0  2  2558462   True 2000-01-03

In [3]: df.dtypes
Out[3]:
a           float64
b           float32
c             int16
d             int32
e             int64
f              bool
g    datetime64[ns]
dtype: object

选择所有浮点数列：

In [4]: df.select_dtypes(include=['floating'])
Out[4]:
          a         b
0  0.191519  0.785359
1  0.622109  0.779976
2  0.437728  0.272593

In [5]: df.select_dtypes(include=['floating']).dtypes
Out[5]:
a    float64
b    float32
dtype: object

选择所有整数列：

In [6]: df.select_dtypes(include=['integer'])
Out[6]:
   c  d        e
0  6  0  7578569
1  8  1  7981439
2  0  2  2558462

In [7]: df.select_dtypes(include=['integer']).dtypes
Out[7]:
c    int16
d    int32
e    int64
dtype: object

选择所有数值列：

In [8]: df.select_dtypes(include=['number'])
Out[8]:
          a         b  c  d        e
0  0.191519  0.785359  6  0  7578569
1  0.622109  0.779976  8  1  7981439
2  0.437728  0.272593  0  2  2558462

In [9]: df.select_dtypes(include=['number']).dtypes
Out[9]:
a    float64
b    float32
c      int16
d      int32
e      int64
dtype: object

- MaxU - stand with Ukraine

Answer 5

使用多个 include 选项选择列的类型，例如 float64 和 int64。

df_numeric = df.select_dtypes(include=[np.float64,np.int64])

- Gurubux

Answer 6

select_dtypes(include=[np.int])

- Anjan Prasad

Answer 7

如果你想选择int64列并进行“原地”更新，可以使用以下方法：

int64_cols = [col for col in df.columns if is_int64_dtype(df[col].dtype)]
df[int64_cols]

例如，注意下面我将df中的所有int64列更新为零：

```python df.select_dtypes(include=['int64']) = 0 ```

In [1]:

    import pandas as pd
    from pandas.api.types import is_int64_dtype

    df = pd.DataFrame({'a': [1, 2] * 3,
                       'b': [True, False] * 3,
                       'c': [1.0, 2.0] * 3,
                       'd': ['red','blue'] * 3,
                       'e': pd.Series(['red','blue'] * 3, dtype="category"),
                       'f': pd.Series([1, 2] * 3, dtype="int64")})

    int64_cols = [col for col in df.columns if is_int64_dtype(df[col].dtype)] 
    print('int64 Cols: ',int64_cols)

    print(df[int64_cols])

    df[int64_cols] = 0

    print(df[int64_cols]) 

Out [1]:

    int64 Cols:  ['a', 'f']

           a  f
        0  1  1
        1  2  2
        2  1  1
        3  2  2
        4  1  1
        5  2  2
           a  f
        0  0  0
        1  0  0
        2  0  0
        3  0  0
        4  0  0
        5  0  0

仅供完整性参考:

df.loc() 和 df.select_dtypes() 将从数据框中给出一个切片的副本。这意味着如果你尝试使用 df.select_dtypes() 更新值，你会得到一个 SettingWithCopyWarning 警告，并且 df 中的更新不会发生。

例如，请注意当我尝试使用 .loc() 或 .select_dtypes() 选择列来更新 df 时，没有任何变化：

In [2]:

    df = pd.DataFrame({'a': [1, 2] * 3,
                       'b': [True, False] * 3,
                       'c': [1.0, 2.0] * 3,
                       'd': ['red','blue'] * 3,
                       'e': pd.Series(['red','blue'] * 3, dtype="category"),
                       'f': pd.Series([1, 2] * 3, dtype="int64")})

    df_bool = df.select_dtypes(include='bool')
    df_bool.b[0] = False

    print(df_bool.b[0])
    print(df.b[0])

    df.loc[:, df.dtypes == np.int64].a[0]=7
    print(df.a[0])

Out [2]:

    False
    True
    1

- Jake Drew

Answer 8

如果你不想在过程中创建数据框的子集，可以直接迭代列数据类型。

我还没有对下面的代码进行基准测试，假设如果你处理非常大的数据集，它将会更快。

[col for col in df.columns.tolist() if df[col].dtype not in ['object','<M8[ns]']] 

- hui chen

Answer 9

你可以使用:

for i in x.columns[x.dtypes == 'object']:
    print(i)

如果您只想显示特定数据框的列名而不是切片数据框，请使用以下代码。不确定Python是否有此类函数。

PS：将object替换为所需的数据类型。

- Rahul Bordoloi