在熊猫数据框中选择特定数据类型的列
原文:https://www.geesforgeks.org/select-columns-with-specific-data-type-in-pandas-data frame/
在本文中，我们将看到如何从 dataframe 中选择具有特定数据类型的列。可以使用熊猫模块中的data frame.select_dtypes()方法执行该操作。
语法:*data frame.select_dtypes(include = None，exclude=None) 参数: include，exclude : 要包含/排除的数据类型或字符串的选择。必须至少提供其中一个参数。 返回:*包含包含中的数据类型和排除排除中的数据类型的帧子集。
分步方法:
- 首先导入模块，然后加载数据集。
蟒蛇 3
*# import required module
import pandas as pd
# assign dataset
df = pd.read_csv("train.csv")*
- 然后我们将使用 dataframe.info() 方法找到数据集中存在的数据类型。**
蟒蛇 3
*# display description
# of the dataset
df.info()*
输出:
- 现在，我们将使用data frame.select_dt types()来选择特定的数据类型。
蟒蛇 3
*# store columns with specific data type
integer_columns = df.select_dtypes(include=['int64']).columns
float_columns = df.select_dtypes(include=['float64']).columns
object_columns = df.select_dtypes(include=['object']).columns*
- 最后，显示具有特定数据类型的列。
蟒蛇 3
*# display columns
print('\nint64 columns:\n', integer_columns)
print('\nfloat64 columns:\n', float_columns)
print('\nobject columns:\n', object_columns)*
输出:
以下是基于上述方法的完整程序:
蟒蛇 3
*# import required module
import pandas as pd
# assign dataset
df = pd.read_csv("train.csv")
# store columns with specific data type
integer_columns = df.select_dtypes(include=['int64']).columns
float_columns = df.select_dtypes(include=['float64']).columns
object_columns = df.select_dtypes(include=['object']).columns
# display columns
print('\nint64 columns:\n',integer_columns)
print('\nfloat64 columns:\n',float_columns)
print('\nobject columns:\n',object_columns)*
输出:
示例:
在这里，我们将提取以下数据集的列:
蟒蛇 3
*# import required module
import pandas as pd
from vega_datasets import data
# assign dataset
df = data.seattle_weather()
# display dataset
df.sample(10)*
输出:
现在，我们将显示所有以 float64 为数据类型的列。
蟒蛇 3
*# import required module
import pandas as pd
from vega_datasets import data
# assign dataset
df = data.seattle_weather()
# display description
# of dataset
df.info()
# store columns with specific data type
columns = df.select_dtypes(include=['float64']).columns
# display columns
print('\nColumns:\n', columns)*
输出:
