web-dev-qa-db-fra.com

obtenir la liste des colonnes de données du pandas en fonction du type de données

Si j'ai un dataframe avec les colonnes suivantes: 

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]

Je voudrais pouvoir dire: voici un cadre de données, donnez-moi une liste des colonnes qui sont de type Object ou de type DateTime?

J'ai une fonction qui convertit les nombres (Float64) en deux décimales et j'aimerais utiliser cette liste de colonnes dataframe, d'un type particulier, et l'exécuter via cette fonction pour les convertir toutes en 2dp.

Peut être:

For c in col_list: if c.dtype = "Something"
list[]
List.append(c)?
pythonpandas
137
yoshiserry

Si vous voulez une liste de colonnes d'un certain type, vous pouvez utiliser groupby:

>>> 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']}
269
DSM

À partir de pandas v0.14.1, vous pouvez utiliser select_dtypes() pour sélectionner des colonnes par type

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']
82
qmorgan

Vous pouvez utiliser le masque booléen sur l'attribut dtypes:

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

Vous pouvez regarder uniquement ces colonnes avec le type souhaité:

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

Maintenant vous pouvez utiliser round (ou autre chose) et le redonner:

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
23
Andy Hayden

Utiliser dtype vous donnera le type de données de la colonne souhaitée:

dataframe['column1'].dtype

si vous voulez connaître les types de données de toutes les colonnes à la fois, vous pouvez utiliser le pluriel de dtype comme dtypes :

dataframe.dtypes
18
Ashish Sahu

utilisez df.info() où df est une base de données de pandas

6
Koo
df.select_dtypes(['object'])

Cela devrait faire l'affaire

4
Tanmoy

Le moyen le plus direct d’obtenir une liste de colonnes de certains types, par ex. 'objet':

df.select_dtypes(include='object').columns

Par exemple:

>>df = pd.DataFrame([[1, 2.3456, 'c', 'd', 78]], columns=list("ABCDE"))
>>df.dtypes

A      int64
B    float64
C     object
D     object
E      int64
dtype: object

Pour obtenir toutes les colonnes de type 'objet':

>>df.select_dtypes(include='object').columns

Index(['C', 'D'], dtype='object')

Pour juste la liste:

>>list(df.select_dtypes(include='object').columns)

['C', 'D']
2
MLKing

Si vous voulez une liste des seules colonnes d'objets que vous pouvez faire:

non_numerics = [x for x in df.columns \
                if not (df[x].dtype == np.float64 \
                        or df[x].dtype == np.int64)]

et ensuite si vous souhaitez obtenir une autre liste contenant uniquement des valeurs numériques:

numerics = [x for x in df.columns if x not in non_numerics]
1
user4322543

J'utilise infer_objects ()

Docstring: Essayez de déduire de meilleurs types pour les colonnes d'objet.

Tente une conversion logicielle des colonnes typées-objets, en laissant les colonnes non-objets et non convertibles inchangées. Les règles d'inférence sont les mêmes que lors de la construction normale de Series/DataFrame.

df.infer_objects().dtypes

0
as - if

pour yoshiserry;

def col_types(x,pd):
    dtypes=x.dtypes
    dtypes_col=dtypes.index
    dtypes_type=dtypes.value
    column_types=dict(Zip(dtypes_col,dtypes_type))
    return column_types
0
itthrill

Je suis venu avec ce trois paquebot . 

En gros, voici ce que ça fait: 

  1. Récupérez les noms de colonne et leurs types de données respectifs.
  2. Je le sors éventuellement sur un csv.
inp = pd.read_csv('filename.csv') # read input. Add read_csv arguments as needed
columns = pd.DataFrame({'column_names': inp.columns, 'datatypes': inp.dtypes})
columns.to_csv(inp+'columns_list.csv', encoding='utf-8') # encoding is optional

Cela m'a beaucoup facilité la vie en essayant de générer des schémas à la volée. J'espère que cela t'aides

0
geekidharsh