数据筛选之 select_dtypes()

data.select_dtypes(include=['int64', 'float64']) 是 Pandas 中用于筛选特定数据类型列的方法。它会返回一个只包含指定数据类型的列的新 DataFrame。以下是对该方法的详细说明和示例：

功能

• select_dtypes()：用于根据数据类型筛选 DataFrame 的列。
• include 参数：指定要包含的数据类型（可以是单个类型或类型列表）。
• exclude 参数：指定要排除的数据类型（可以是单个类型或类型列表）。

示例

假设我们有一个包含多种数据类型的 DataFrame：

import pandas as pd

data = pd.DataFrame({
    'A': [1, 2, 3],               # int64
    'B': [1.1, 2.2, 3.3],         # float64
    'C': ['foo', 'bar', 'baz'],   # object (字符串)
    'D': [True, False, True]      # bool
})

print(data)
# 输出:
#    A    B    C      D
# 0  1  1.1  foo   True
# 1  2  2.2  bar  False
# 2  3  3.3  baz   True

筛选数值列（int64 和 float64）

numeric_data = data.select_dtypes(include=['int64', 'float64'])
print(numeric_data)
# 输出:
#    A    B
# 0  1  1.1
# 1  2  2.2
# 2  3  3.3

筛选非数值列（排除 int64 和 float64）

non_numeric_data = data.select_dtypes(exclude=['int64', 'float64'])
print(non_numeric_data)
# 输出:
#      C      D
# 0  foo   True
# 1  bar  False
# 2  baz   True

参数说明

• include ：指定要包含的数据类型。可以是以下形式：
• 单个类型（如 include='int64'）。
• 类型列表（如 include=['int64', 'float64']）。
• 类型类别（如 include=['number']，表示所有数值类型）。
• exclude：指定要排除的数据类型。用法与 include 相同。

常用数据类型

• 数值类型：
• int64：64 位整数。
• float64：64 位浮点数。
• number：所有数值类型（包括 int 和 float）。
• 其他类型:
• object：字符串或混合类型。
• bool：布尔值。
• datetime64：日期时间。
• category：分类类型。

高级用法

筛选所有数值类型

numeric_data = data.select_dtypes(include='number')
print(numeric_data)
# 输出:
#    A    B
# 0  1  1.1
# 1  2  2.2
# 2  3  3.3

筛选非数值类型

non_numeric_data = data.select_dtypes(exclude='number')
print(non_numeric_data)
# 输出:
#      C      D
# 0  foo   True
# 1  bar  False
# 2  baz   True

总结

data.select_dtypes(include=['int64', 'float64']) 是一个非常实用的方法，可以快速筛选出 DataFrame 中指定数据类型的列。它特别适用于数据预处理和特征工程中，当你需要分离数值型数据和非数值型数据时。