如何在Pandas中找到数字列？

假设df是一个熊猫DataFrame。我想找到所有数字类型的列。就像是：

isNumeric = is_numeric(df)

您可以使用select_dtypesDataFrame的方法。它包括两个参数include和exclude。所以isNumeric看起来像：

numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']

newdf = df.select_dtypes(include=numerics)

您可以使用未记录的功能_get_numeric_data()来仅过滤数字列：

df._get_numeric_data()

例：

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

注意，这是一个“私有方法”（即实现细节），将来可能会更改或完全删除。请谨慎使用。

简单的单行答案即可创建仅包含数字列的新数据框：

df.select_dtypes(include=np.number)

如果需要数字列的名称：

df.select_dtypes(include=np.number).columns.tolist()

完整的代码：

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'])

简单的一线：

df.select_dtypes('number').columns

以下代码将返回数据集的数字列的名称列表。

cnames=list(marketing_train.select_dtypes(exclude=['object']).columns)

这marketing_train是我的数据集，它select_dtypes()是使用exclude和include参数选择数据类型的功能，而column用于获取上述代码输出的数据集的列名，如下所示：

['custAge',
     'campaign',
     'pdays',
     'previous',
     'emp.var.rate',
     'cons.price.idx',
     'cons.conf.idx',
     'euribor3m',
     'nr.employed',
     'pmonths',
     'pastEmail']

谢谢

这是用于在熊猫数据框中查找数字列的另一种简单代码，

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

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)

改编这个答案，你可以做

df.ix[:,df.applymap(np.isreal).all(axis=0)]

在这里，np.applymap(np.isreal)显示数据框中的每个单元格是否都是数字，并.axis(all=0)检查列中的所有值是否均为True，并返回一系列布尔值，这些布尔值可用于索引所需的列。

请看下面的代码：

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())

这样，您可以检查值是否为数字，例如float和int或srting值。第二条if语句用于检查对象引用的字符串值。

我们可以根据以下要求包括和排除数据类型：

train.select_dtypes(include=None, exclude=None)
train.select_dtypes(include='number') #will include all the numeric types

从Jupyter Notebook引用。

要选择所有数字类型，请使用np.number或'number'

• 要选择字符串，您必须使用objectdtype，但是请注意，这将返回所有对象dtype列

• 见NumPy dtype hierarchy <http://docs.scipy.org/doc/numpy/reference/arrays.scalars.html>__

• 要选择日期时间，使用np.datetime64，'datetime'或 'datetime64'

• 要选择timedeltas，使用np.timedelta64，'timedelta'或 'timedelta64'

• 要选择Pandas类别dtype，请使用 'category'

• 要选择Pandas datetimetz dtypes，请使用'datetimetz'（0.20.0中的新功能）或``'datetime64 [ns，tz]'