获取基于数据类型的pandas数据帧列的列表

Question

如果我有一个包含以下列的数据框:

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:这是一个数据帧,给我一个类型为Object或DateTime类型的列的列表？

我有一个函数将数字(Float64)转换为两个小数位,我想使用这个特定类型的数据帧列表,并通过此函数运行它将它们全部转换为2dp.

也许:

For c in col_list: if c.dtype = "Something"
list[]
List.append(c)?

Answer 1

如果需要某个类型的列列表,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']}

Answer 2

从pandas v0.14.1开始,您可以使用dtype select_dtypes()选择列

In [2]: df = pd.DataFrame({'NAME': list('abcdef'),
    'On_Time': [True, False] * 3,
    'On_Budget': [False, True] * 3})

In [3]: df.select_dtypes(include=['bool'])
Out[3]:
  On_Budget On_Time
0     False    True
1      True   False
2     False    True
3      True   False
4     False    True
5      True   False

In [4]: mylist = list(df.select_dtypes(include=['bool']).columns)

In [5]: mylist
Out[5]: ['On_Budget', 'On_Time']

Answer 3

使用dtype将为您提供所需列的数据类型:

dataframe['column1'].dtype

如果你想一次知道所有列的数据类型,你可以使用复数dtype作为dtypes:

dataframe.dtypes

Answer 4

您可以在dtypes属性上使用boolean mask:

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

您可以查看具有所需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)并将其分配回来:

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

Answer 5

获取某些 dtype 的列列表的最直接方法，例如“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

要获取所有“对象”dtype 列：

>>df.select_dtypes(include='object').columns

Index(['C', 'D'], dtype='object')

仅用于列表：

>>list(df.select_dtypes(include='object').columns)

['C', 'D']   

Answer 6

使用pandas datafarme df.info()在哪里df

Answer 7

df.select_dtypes(['object'])

这应该可以解决问题