ฉันจะค้นหาคอลัมน์ตัวเลขใน Pandas ได้อย่างไร

สมมติว่าdfเป็น DataFrame แพนด้า ฉันต้องการค้นหาคอลัมน์ประเภทตัวเลขทั้งหมด สิ่งที่ต้องการ:

isNumeric = is_numeric(df)

คุณสามารถใช้select_dtypesวิธีการของ DataFrame ประกอบด้วยพารามิเตอร์สองตัวรวมและไม่รวม isNumeric จะมีลักษณะดังนี้:

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

newdf = df.select_dtypes(include=numerics)

คุณสามารถใช้ฟังก์ชันที่ไม่มีเอกสาร_get_numeric_data()เพื่อกรองเฉพาะคอลัมน์ตัวเลข:

df._get_numeric_data()

ตัวอย่าง:

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

โปรดทราบว่านี่เป็น "วิธีการส่วนตัว" (เช่นรายละเอียดการนำไปใช้งาน) และอาจมีการเปลี่ยนแปลงหรือนำออกทั้งหมดในอนาคต ใช้ด้วยความระมัดระวัง

คำตอบง่ายๆเพียงบรรทัดเดียวเพื่อสร้างดาต้าเฟรมใหม่ที่มีเฉพาะคอลัมน์ตัวเลข:

df.select_dtypes(include=np.number)

หากคุณต้องการชื่อของคอลัมน์ตัวเลข:

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

รหัสที่สมบูรณ์:

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'])

ซับเดียวง่ายๆ:

df.select_dtypes('number').columns

รหัสต่อไปนี้จะแสดงรายการชื่อของคอลัมน์ตัวเลขของชุดข้อมูล

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

นี่marketing_trainคือชุดข้อมูลของฉันและselect_dtypes()เป็นฟังก์ชันในการเลือกประเภทข้อมูลโดยใช้การยกเว้นและรวมอาร์กิวเมนต์และคอลัมน์ที่ใช้ในการดึงชื่อคอลัมน์ของเอาต์พุตชุดข้อมูลของโค้ดด้านบนจะเป็นดังนี้:

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

ขอบคุณ

นี่เป็นอีกรหัสง่ายๆสำหรับการค้นหาคอลัมน์ตัวเลขในกรอบข้อมูลแพนด้า

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)

คุณสามารถปรับคำตอบนี้ได้

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

ที่นี่np.applymap(np.isreal)แสดงให้เห็นว่าทุกเซลล์ในกรอบข้อมูลเป็นตัวเลขหรือไม่และ.axis(all=0)ตรวจสอบว่าค่าทั้งหมดในคอลัมน์เป็นจริงหรือไม่และส่งคืนชุดของบูลีนที่สามารถใช้เพื่อทำดัชนีคอลัมน์ที่ต้องการได้

โปรดดูรหัสด้านล่าง:

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())

วิธีนี้คุณสามารถตรวจสอบว่าค่าเป็นตัวเลขเช่น float และ int หรือค่า srting คำสั่ง if ที่สองใช้สำหรับตรวจสอบค่าสตริงซึ่งถูกอ้างถึงโดยอ็อบเจ็กต์

เราสามารถรวมและไม่รวมประเภทข้อมูลตามความต้องการดังต่อไปนี้:

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

อ้างถึงจาก Jupyter Notebook

ในการเลือกประเภทตัวเลขทั้งหมดให้ใช้np.numberหรือ'number'

• ในการเลือกสตริงคุณต้องใช้objectdtype แต่โปรดทราบว่าสิ่งนี้จะส่งคืนคอลัมน์ dtype ของอ็อบเจ็กต์ทั้งหมด

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

• เพื่อเลือก datetimes ใช้np.datetime64, 'datetime'หรือ 'datetime64'

• เพื่อเลือก timedeltas ใช้np.timedelta64, 'timedelta'หรือ 'timedelta64'

• ในการเลือกประเภท dtype ของ Pandas ให้ใช้ 'category'

• ในการเลือก Pandas datetimetz dtypes ให้ใช้'datetimetz'(ใหม่ใน 0.20.0) หรือ `` 'datetime64 [ns, tz]'