Pandas DataFrame中哪些列是二进制的？

Question

我有一个包含大量列的pandas数据帧,我需要查找哪些列是二进制的(仅值0或1)而不查看数据.应该使用哪个功能？

Answer 1

据我所知,没有直接的功能来测试这个.相反,您需要根据数据的编码方式构建一些东西(例如1/0,T/F,True/False等).此外,如果您的列具有缺失值,则整个列将被编码为float而不是int.

在下面的示例中,我测试所有唯一的非空值是"1"还是"0".它返回所有此类列的列表.

df = pd.DataFrame({'bool': [1, 0, 1, None], 
                   'floats': [1.2, 3.1, 4.4, 5.5], 
                   'ints': [1, 2, 3, 4], 
                   'str': ['a', 'b', 'c', 'd']})

bool_cols = [col for col in df 
             if df[[col]].dropna().unique().isin([0, 1]).all().values]

# 2019-09-10 EDIT (per Hardik Gupta)
bool_cols = [col for col in df 
             if np.isin(df[col].dropna().unique(), [0, 1]).all()]

>>> bool_cols
['bool']

>>> df[bool_cols]
   bool
0     1
1     0
2     1
3   NaN

Answer 2

def is_binary(series, allow_na=False):
    if allow_na:
        series.dropna(inplace=True)
    return sorted(series.unique()) == [0, 1]

这是我找到的最有效的解决方案。它比上面的答案更快。在处理大型数据集时，时间差异变得重要。