Скажем, df
- это pandas DataFrame.
Я хотел бы найти все столбцы числового типа.
Что-то вроде:
isNumeric = is_numeric(df)
Скажем, df
- это pandas DataFrame.
Я хотел бы найти все столбцы числового типа.
Что-то вроде:
isNumeric = is_numeric(df)
Вы можете использовать метод select_dtypes
для DataFrame. Он включает в себя два параметра include и exclude. Так isNumeric будет выглядеть так:
numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
newdf = df.select_dtypes(include=numerics)
Вы можете использовать недокументированную функцию _get_numeric_data()
для фильтрации только числовых столбцов:
df._get_numeric_data()
Пример:
In [32]: data
Out[32]:
A B
0 1 s
1 2 s
2 3 s
3 4 s
In [33]: data._get_numeric_data()
Out[33]:
A
0 1
1 2
2 3
3 4
Обратите внимание, что это "частный метод" (т.е. Деталь реализации), и он может быть изменен или полностью удален в будущем. Используйте с осторожностью.
Простой однострочный ответ для создания нового фрейма данных с числовыми столбцами:
df.select_dtypes(include=[np.number])
Если вам нужны имена числовых столбцов:
df.select_dtypes(include=[np.number]).columns.tolist()
Полный код:
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': range(7, 10),
'B': np.random.rand(3),
'C': ['foo','bar','baz'],
'D': ['who','what','when']})
df
# A B C D
# 0 7 0.704021 foo who
# 1 8 0.264025 bar what
# 2 9 0.230671 baz when
df_numerics_only = df.select_dtypes(include=[np.number])
df_numerics_only
# A B
# 0 7 0.704021
# 1 8 0.264025
# 2 9 0.230671
colnames_numerics_only = df.select_dtypes(include=[np.number]).columns.tolist()
colnames_numerics_only
# ['A', 'B']
df.select_dtypes(exclude=['object'])
def is_type(df, baseType):
import numpy as np
import pandas as pd
test = [issubclass(np.dtype(d).type, baseType) for d in df.dtypes]
return pd.DataFrame(data = test, index = df.columns, columns = ["test"])
def is_float(df):
import numpy as np
return is_type(df, np.float)
def is_number(df):
import numpy as np
return is_type(df, np.number)
def is_integer(df):
import numpy as np
return is_type(df, np.integer)
Адаптировав этот ответ, вы могли бы сделать
df.ix[:,df.applymap(np.isreal).all(axis=0)]
Здесь np.applymap(np.isreal)
показывает, является ли каждая ячейка в кадре данных числовой, а .axis(all=0)
проверяет, являются ли все значения в столбце "Истина" и возвращает последовательность логических элементов, которые могут использоваться для индексации нужных столбцов.
Это еще один простой код для поиска числового столбца в кадре данных pandas,
numeric_clmns = df.dtypes[df.dtypes != "object"].index
Пожалуйста, смотрите код ниже:
if(dataset.select_dtypes(include=[np.number]).shape[1] > 0):
display(dataset.select_dtypes(include=[np.number]).describe())
if(dataset.select_dtypes(include=[np.object]).shape[1] > 0):
display(dataset.select_dtypes(include=[np.object]).describe())
Таким образом, вы можете проверить, являются ли значения числовыми, такими как float и int, или значениями srting. второй оператор if используется для проверки строковых значений, на которые ссылается объект.
Следующие коды возвращают список имен числовых столбцов набора данных.
cnames=list(marketing_train.select_dtypes(exclude=['object']).columns)
здесь marketing_train - это мой набор данных, а select_dtypes() - это функция для выбора типов данных с использованием exclude и include аргументов, а столбцы используются для получения имени столбца набора данных Вывод вышеуказанного кода будет следующим: [ 'CustAge', "Кампании", 'pdays', "Предыдущий", 'Emp.var.rate', 'Cons.price.idx', 'Cons.conf.idx', 'Euribor3m', 'Nr.employed', 'pmonths', 'PastEmail']
Спасибо