データ型に基づいてパンダのデータフレーム列のリストを取得します

次の列を持つデータフレームがある場合：

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] 

私は言いたいのですが、ここにデータフレームがあります。ObjectタイプまたはDateTimeタイプの列のリストを教えてください。

数値（Float64）を小数点以下2桁に変換する関数があります。特定のタイプのこのデータフレーム列のリストを使用し、この関数を実行してすべてを2 dpに変換したいと思います。

多分：

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

特定のタイプの列のリストが必要な場合は、以下を使用できます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']}

パンダv0.14.1以降では、dtypeでselect_dtypes()列を選択するために利用できます

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']

を使用dtypeすると、目的の列のデータ型が得られます。

dataframe['column1'].dtype

すべての列のデータ型を一度に知りたい場合は、複数をdtypesdtypeとして使用できます。

dataframe.dtypes

dtypes属性でブールマスクを使用できます。

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

目的のdtypeを持つ列だけを確認できます。

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

これで、ラウンド（または何でも）を使用して割り当て直すことができます。

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)

これでうまくいくはずです

使用デフォルトでは、パンダdatafarmeされますdf.info(verbose=True)dfverbose=False

特定のdtypeの列のリストを取得する最も直接的な方法、たとえば 'object'：

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

例えば：

>>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

すべての「オブジェクト」dtype列を取得するには：

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

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

リストだけの場合：

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

['C', 'D']   

オブジェクト列のみのリストが必要な場合は、次のようにします。

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

そして、数値のみの別のリストを取得したい場合：

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

私はこの3つのライナーを思いつきました。

基本的には、次のようになります。

1. 列名とそれぞれのデータ型を取得します。
2. オプションでcsvに出力しています。

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

これにより、オンザフライでスキーマを生成することがはるかに簡単になりました。お役に立てれば

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

私はinfer_objects（）を使用します

Docstring：オブジェクト列のより適切なdtypeを推測しようとしました。

オブジェクト型の列のソフト変換を試み、非オブジェクト列と変換不可能な列は変更しません。推論規則は、通常のSeries / DataFrame構築時と同じです。

df.infer_objects().dtypes