パンダで数値列を見つけるにはどうすればよいですか？

dfパンダのDataFrame だとしましょう。数値型のすべての列を検索したいと思います。何かのようなもの：

isNumeric = is_numeric(df)

select_dtypesDataFrameのメソッドを使用できます。これには、includeとexcludeの2つのパラメーターが含まれます。したがって、isNumericは次のようになります。

numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']

newdf = df.select_dtypes(include=numerics)

ドキュメントに記載されていない関数_get_numeric_data()を使用して、数値列のみをフィルタリングできます。

df._get_numeric_data()

例：

In [32]: data
Out[32]:
   A  B
0  1  s
1  2  s
2  3  s
3  4  s

In [33]: data._get_numeric_data()
Out[33]:
   A
0  1
1  2
2  3
3  4

これは「プライベートメソッド」（つまり、実装の詳細）であり、将来変更または完全に削除される可能性があることに注意してください。注意して使用してください。

数値列のみで新しいデータフレームを作成する簡単な1行の回答：

df.select_dtypes(include=np.number)

数値列の名前が必要な場合：

df.select_dtypes(include=np.number).columns.tolist()

完全なコード：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': range(7, 10),
                   'B': np.random.rand(3),
                   'C': ['foo','bar','baz'],
                   'D': ['who','what','when']})
df
#    A         B    C     D
# 0  7  0.704021  foo   who
# 1  8  0.264025  bar  what
# 2  9  0.230671  baz  when

df_numerics_only = df.select_dtypes(include=np.number)
df_numerics_only
#    A         B
# 0  7  0.704021
# 1  8  0.264025
# 2  9  0.230671

colnames_numerics_only = df.select_dtypes(include=np.number).columns.tolist()
colnames_numerics_only
# ['A', 'B']

df.select_dtypes(exclude=['object'])

シンプルなワンライナー：

df.select_dtypes('number').columns

次のコードは、データセットの数値列の名前のリストを返します。

cnames=list(marketing_train.select_dtypes(exclude=['object']).columns)

ここmarketing_trainに私のデータセットがあり、select_dtypes()excludeとinclude引数を使用してデータ型を選択するための関数と列が、上記のコードのデータセット出力の列名をフェッチするために使用されます。

['custAge',
     'campaign',
     'pdays',
     'previous',
     'emp.var.rate',
     'cons.price.idx',
     'cons.conf.idx',
     'euribor3m',
     'nr.employed',
     'pmonths',
     'pastEmail']

ありがとう

これは、pandasデータフレームで数値列を見つけるためのもう1つの簡単なコードです。

numeric_clmns = df.dtypes[df.dtypes != "object"].index 

def is_type(df, baseType):
    import numpy as np
    import pandas as pd
    test = [issubclass(np.dtype(d).type, baseType) for d in df.dtypes]
    return pd.DataFrame(data = test, index = df.columns, columns = ["test"])
def is_float(df):
    import numpy as np
    return is_type(df, np.float)
def is_number(df):
    import numpy as np
    return is_type(df, np.number)
def is_integer(df):
    import numpy as np
    return is_type(df, np.integer)

適応この回答を、あなたが行うことができます

df.ix[:,df.applymap(np.isreal).all(axis=0)]

ここでnp.applymap(np.isreal)は、データフレームのすべてのセルが数値であるかどうかを示し.axis(all=0)、列のすべての値がTrueであるかどうかを確認し、目的の列のインデックス付けに使用できる一連のブール値を返します。

以下のコードをご覧ください：

if(dataset.select_dtypes(include=[np.number]).shape[1] > 0):
display(dataset.select_dtypes(include=[np.number]).describe())
if(dataset.select_dtypes(include=[np.object]).shape[1] > 0):
display(dataset.select_dtypes(include=[np.object]).describe())

このようにして、値がfloatやintなどの数値であるか、srting値であるかを確認できます。2番目のifステートメントは、オブジェクトによって参照される文字列値をチェックするために使用されます。

以下の要件に従って、データ型を含めたり除外したりできます。

train.select_dtypes(include=None, exclude=None)
train.select_dtypes(include='number') #will include all the numeric types

Jupyter Notebookから参照。

すべての数値タイプを選択するには、np.numberまたはを使用します'number'

• 文字列を選択するには、objectdtypeを使用する必要がありますが、これによりすべてのオブジェクトのdtype列が返されることに注意してください。

• NumPy dtype hierarchy <http://docs.scipy.org/doc/numpy/reference/arrays.scalars.html>__を参照してください

• 日時を選択するにはnp.datetime64、'datetime'またはを 使用します'datetime64'

• タイムデルタを選択するにはnp.timedelta64、'timedelta'またはを 使用します'timedelta64'

• Pandasカテゴリカルdtypeを選択するには、次を使用します。 'category'

• Pandas datetimetz dtypesを選択するには、'datetimetz'（0.20.0の新機能）または `` 'datetime64 [ns、tz]'を使用します