Wie finde ich numerische Spalten in Pandas?

dfAngenommen , es handelt sich um einen Pandas DataFrame. Ich möchte alle Spalten vom numerischen Typ finden. Etwas wie:

isNumeric = is_numeric(df)

Sie können die select_dtypesMethode von DataFrame verwenden. Es enthält zwei Parameter einschließen und ausschließen. IsNumeric würde also so aussehen:

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

newdf = df.select_dtypes(include=numerics)

Mit der Funktion ohne _get_numeric_data()Papiere können Sie nur numerische Spalten filtern:

df._get_numeric_data()

Beispiel:

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

Beachten Sie, dass dies eine "private Methode" (dh ein Implementierungsdetail) ist und in Zukunft geändert oder vollständig entfernt werden kann. Mit Vorsicht verwenden .

Einfache einzeilige Antwort zum Erstellen eines neuen Datenrahmens mit nur numerischen Spalten:

df.select_dtypes(include=np.number)

Wenn Sie die Namen numerischer Spalten möchten:

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

Vollständiger Code:

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'])

Einfacher Einzeiler:

df.select_dtypes('number').columns

Die folgenden Codes geben eine Liste der Namen der numerischen Spalten eines Datensatzes zurück.

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

Hier marketing_trainist mein Datensatz und select_dtypes()die Funktion zum Auswählen von Datentypen mithilfe von Ausschluss- und Einschlussargumenten und Spalten zum Abrufen des Spaltennamens des Datensatzes. Die Ausgabe des obigen Codes lautet wie folgt:

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

Vielen Dank

Dies ist ein weiterer einfacher Code zum Auffinden einer numerischen Spalte im Pandas-Datenrahmen.

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)

Wenn Sie diese Antwort anpassen , können Sie dies tun

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

Hier wird angezeigt, np.applymap(np.isreal)ob jede Zelle im .axis(all=0)Datenrahmen numerisch ist, und es wird geprüft, ob alle Werte in einer Spalte True sind, und es wird eine Reihe von Booleschen Werten zurückgegeben, mit denen die gewünschten Spalten indiziert werden können.

Bitte beachten Sie den folgenden Code:

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())

Auf diese Weise können Sie überprüfen, ob die Werte numerisch sind, z. B. float und int oder die srting-Werte. Die zweite if-Anweisung wird zum Überprüfen der Zeichenfolgenwerte verwendet, auf die das Objekt verweist.

Wir können Datentypen gemäß der folgenden Anforderung ein- und ausschließen:

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

Weitergeleitet von Jupyter Notebook.

Verwenden Sie oder, um alle numerischen Typen auszuwählennp.number'number'

• Um Zeichenfolgen auszuwählen, müssen Sie den objectdtype verwenden. Beachten Sie jedoch, dass dadurch alle dtype-Objektspalten zurückgegeben werden

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

• So wählen Sie Datetimes, Verwendung np.datetime64, 'datetime'oder 'datetime64'

• So wählen Sie timedeltas, Verwendung np.timedelta64, 'timedelta'oder 'timedelta64'

• Verwenden Sie zur Auswahl von Pandas kategorialen dtypes 'category'

• Verwenden Sie 'datetimetz'(neu in 0.20.0) oder `` 'datetime64 [ns, tz]', um Pandas datetimetz dtypes auszuwählen.