Как выбрать только числовые столбцы в pandas

Вы можете использовать следующий базовый синтаксис для выбора только числовых столбцов в DataFrame pandas:

 import pandas as pd
import numpy as np

df. select_dtypes (include= np.number )

В следующем примере показано, как использовать эту функцию на практике.

Пример: выберите только числовые столбцы в Pandas

Предположим, у нас есть следующий DataFrame pandas, содержащий информацию о различных баскетболистах:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})

#view DataFrame
print (df)

  team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7:28 4 12

Мы можем использовать следующий синтаксис для выбора только числовых столбцов из DataFrame:

 import numpy as np

#select only the numeric columns in the DataFrame
df. select_dtypes (include= np.number )

        points assists rebounds
0 18 5 11
1 22 7 8
2 19 7 10
3 14 9 6
4 14 12 6
5 11 9 5
6 20 9 9
7 28 4 12

Обратите внимание, что выбраны только три числовых столбца – очки , передачи и подборы .

Мы можем убедиться, что эти столбцы являются числовыми, используя функцию dtypes() для отображения типа данных каждой переменной в DataFrame:

 #display data type of each variable in DataFrame
df. dtypes

team object
int64 dots
assists int64
rebounds int64
dtype:object

Из результата мы видим, что команда — это объект (т.е. строка), а очки , передачи и подборы — все числовые.

Обратите внимание, что мы также можем использовать следующий код, чтобы получить список числовых столбцов DataFrame:

 #display list of numeric variables in DataFrame
df. select_dtypes (include=np. number ). columns . tolist ()

['points', 'assists', 'rebounds']

Это позволяет нам быстро увидеть имена числовых переменных в DataFrame, не видя их фактических значений.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные задачи в pandas:

Как выбрать столбцы по имени в Pandas
Как выбрать столбцы по индексу в Pandas
Как выбрать столбцы, содержащие определенную строку в Pandas