데이터 유형을 기반으로 팬더 데이터 프레임 열 목록 가져 오기

다음 열이있는 데이터 프레임이있는 경우 :

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] 

말하고 싶습니다 : 여기 데이터 프레임이 있습니다 .Object 유형 또는 DateTime 유형의 열 목록을 알려주십시오.

숫자 (Float64)를 소수점 이하 두 자리로 변환하는 함수가 있으며이 유형의 데이터 프레임 열 목록을 특정 유형으로 사용 하고이 함수를 통해 실행하여 모두 2dp로 변환하고 싶습니다.

아마도:

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

특정 유형의 열 목록을 원하면 다음을 사용할 수 있습니다 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']}

pandas v0.14.1부터 select_dtypes()dtype별로 열을 선택 하는 데 활용할 수 있습니다.

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']

를 사용 dtype하면 원하는 열의 데이터 유형이 제공됩니다.

dataframe['column1'].dtype

모든 열의 데이터 유형을 한 번에 알고 싶다면 복수형을 dtypesdtype 로 사용할 수 있습니다 .

dataframe.dtypes

dtypes 속성에 부울 마스크를 사용할 수 있습니다.

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

원하는 dtype을 가진 열만 볼 수 있습니다.

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

이제 라운드 (또는 무엇이든)를 사용하고 다시 할당 할 수 있습니다 :

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

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

이 트릭을해야합니다

사용 기본적으로 datafarme 팬더입니다df.info(verbose=True)dfverbose=False

특정 dtype의 열 목록을 얻는 가장 직접적인 방법은 'object'입니다.

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

예를 들면 다음과 같습니다.

>>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

모든 'object'dtype 열을 가져 오려면

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

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

목록 만 :

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

['C', 'D']   

객체 열만 목록으로 표시하려면 다음을 수행하십시오.

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

그런 다음 숫자 만 다른 목록을 얻으려면 :

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

나는이 3 개의 강선을 생각해 내었다 .

기본적으로 다음과 같은 기능이 있습니다.

1. 열 이름과 해당 데이터 형식을 가져옵니다.
2. 선택적으로 CSV로 출력하고 있습니다.

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

이로 인해 스키마 생성 작업이 훨씬 쉬워졌습니다 . 도움이 되었기를 바랍니다

요시 세리

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

infer_objects ()를 사용합니다

Docstring : 객체 열에 대해 더 나은 dtype을 유추하려고합니다.

개체 유형이 지정된 열의 소프트 변환을 시도하여 개체가 아닌 열과 변환 불가능한 열은 변경하지 않습니다. 추론 규칙은 일반적인 Series / DataFrame 구성과 동일합니다.

df.infer_objects().dtypes