根据数据类型获取pandas数据框列的列表

Question

假设我有一个数据表，里面有以下几列：

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] 

我想要做的是：对于这个数据表，给我列出所有类型是'object'或者'datetime'的列？

我有一个函数可以把数字（'float64'类型）转换成保留两位小数的格式，我想用这个特定类型的列的列表，把它们都通过这个函数处理，变成两位小数。

也许可以这样做：

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

Answer 1

你可以在数据类型属性上使用布尔掩码：

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

这样你就可以只查看那些具有你想要的数据类型的列：

In [15]: df.loc[:, msk]
Out[15]: 
        1
0  2.3456

现在你可以使用四舍五入（或者其他操作）并把结果重新赋值回去：

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 2

使用 dtype 可以让你知道某一列的数据类型：

dataframe['column1'].dtype

---

如果你想一次性查看所有列的数据类型，可以使用 dtypes，也就是 dtype 的复数形式，具体可以参考这个链接：dtypes：

dataframe.dtypes

Answer 3

list(df.select_dtypes(['object']).columns)

这应该能解决问题。

Answer 4

从pandas版本0.14.1开始，你可以使用 select_dtypes() 这个功能来根据数据类型选择列。

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 5

如果你想要获取某种类型的列的列表，可以使用 groupby 这个功能：

>>> 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']}