Как найти числовые столбцы в Pandas?

Ответ 1

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)

Ответ 2

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.

Ответ 3

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']

Ответ 4

df.select_dtypes(exclude=['object'])

Ответ 5

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)

Ответ 6

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.

Ответ 7

Это еще один простой код для поиска числового столбца в кадре данных pandas,

      numeric_clmns = df.dtypes[df.dtypes != "object"].index 

Ответ 8

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.

Ответ 9

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