如何在Pandas中找到数字列？

Question

假设 df 是一个 pandas 数据框（DataFrame）。我想找出所有数字类型的列。可以这样做：

isNumeric = is_numeric(df)

Answer 1

简单的一行代码：

df.select_dtypes('number').columns

Answer 2

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

df.select_dtypes(include= np.number)

 df.select_dtypes('number')

更新：

或者使用新版的pandas

Answer 3

你可以使用一个不太公开的函数 _get_numeric_data() 来筛选出只有数字的列：

df._get_numeric_data()

举个例子：

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

请注意，这个是一个“私有方法”（也就是说，它是实现的一部分），将来可能会改变或者完全删除。使用时要小心。

Answer 4

这里有一个简单的一行代码，可以用来创建一个只包含数字列的新数据表：

df.select_dtypes(include=np.number)

如果你想知道数字列的名字，可以用下面的代码：

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

完整的代码如下：

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']

Answer 5

你可以使用DataFrame的select_dtypes方法。这个方法有两个参数，分别是include和exclude。所以，判断是否是数字的代码可以这样写：

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

newdf = df.select_dtypes(include=numerics)

从Pandas 1.0版本开始，你也可以直接这样做：

df.select_dtypes(include='number')