获取Pandas中列的数据类型 - Python

PHPz 转载: 2023-08-30 20:01:02 608浏览

Pandas 是一个流行且功能强大的 Python 库，通常用于数据分析和操作。它提供了许多数据结构，包括 Series、DataFrame 和 Panel，用于处理表格和时间序列数据。

Pandas DataFrame 是一种二维表格数据结构。在本文中，我们将介绍确定 Pandas 中列的数据类型的各种方法。在很多情况下，我们都必须在 Pandas DataFrame 中查找列的数据类型。 Pandas DataFrame 中的每一列都可以包含不同的数据类型。

在继续之前，让我们制作一个示例数据框，我们必须在该数据框上获取 Pandas 中列的数据类型

import pandas as pd

# create a sample dataframe
df = pd.DataFrame({'Vehicle name': ['Supra', 'Honda', 'Lamorghini'],'price': [5000000, 600000, 7000000]})

print(df)

输出

这个 python 脚本打印我们创建的 DataFrame。

  Vehicle name    price
0        Supra  5000000
1        Honda   600000
2   Lamorghini  7000000

完成任务可以采取的方法如下

方法

使用 dtypes 属性
使用 select_dtypes()
使用 info() 方法
使用describe()函数

现在让我们讨论每种方法以及如何使用它们来获取 Pandas 中列的数据类型。

方法1：使用dtypes属性

我们可以使用 dtypes 属性来获取 DataFrame 中每列的数据类型。此属性将返回一个系列，其中包含每列的数据类型。可以使用以下语法：

语法

df.dtypes

返回类型 DataFrame 中每列的数据类型。

算法

导入 Pandas 库。
使用 pd.DataFrame() 函数创建 DataFrame 并将示例作为字典传递。
使用 dtypes 属性获取 DataFrame 中每列的数据类型。
打印结果以检查每列的数据类型。

示例 1

# import the Pandas library
import pandas as pd

# create a sample dataframe
df = pd.DataFrame({'Vehicle name': ['Supra', 'Honda', 'Lamorghini'],'price': [5000000, 600000, 7000000]})

# print the dataframe
print("DataFrame:\n", df)

# get the data types of each column
print("\nData types of each column:")
print(df.dtypes)

输出

DataFrame:
   Vehicle name    price
0        Supra  5000000
1        Honda   600000
2   Lamorghini  7000000

Data types of each column:
Vehicle name    object
price            int64
dtype: object

示例 2

在此示例中，我们获取 DataFrame 的单列的数据类型

# import the Pandas library
import pandas as pd

# create a sample dataframe
df = pd.DataFrame({'Vehicle name': ['Supra', 'Honda', 'Lamorghini'],'price': [5000000, 600000, 7000000]})

# print the dataframe
print("DataFrame:\n", df)

# get the data types of column named price
print("\nData types of column named price:")
print(df.dtypes['price'])

输出

DataFrame:
   Vehicle name    price
0        Supra  5000000
1        Honda   600000
2   Lamorghini  7000000

Data types of column named price:
int64

方法2：使用select_dtypes()

我们可以使用 select_dtypes() 方法来过滤出我们需要的数据类型列。根据作为输入提供的数据类型，select_dtypes() 方法返回列的子集。该方法允许我们选择属于特定数据类型的列，然后确定数据类型。

算法

导入 Pandas 库。
使用 pd.DataFrame() 函数创建 DataFrame 并将给定数据作为字典传递。
打印DataFrame以检查创建的数据。
使用 select_dtypes() 方法从 DataFrame 中选择所有数字列。使用 include 参数传递我们想要选择作为参数的数据类型列表。
在列上循环以迭代每个数字列并打印其数据类型。

示例

# import the Pandas library
import pandas as pd

# create a sample dataframe
df = pd.DataFrame({'Vehicle name': ['Supra', 'Honda', 'Lamorghini'],'price': [5000000, 600000, 7000000]})

# print the dataframe
print("DataFrame:\n", df)

# select the numeric columns
numeric_cols = df.select_dtypes(include=['float64', 'int64']).columns

# get the data type of each numeric column
for col in numeric_cols:
    print("Data Type of column", col, "is", df[col].dtype)

输出

DataFrame:
   Vehicle name    price
0        Supra  5000000
1        Honda   600000
2   Lamorghini  7000000
Data Type of column price is int64

方法3：使用info()方法

我们还可以使用 info() 方法来完成我们的任务。 info()方法为我们提供了DataFrame的简洁摘要，包括每列的数据类型。可以使用以下语法：

语法

DataFrame.info(verbose=None, buf=None, max_cols=None, memory_usage=None, null_counts=None)

返回值无

算法

导入 Pandas 库。
使用 pd.DataFrame() 函数创建一个 DataFrame 并将上述数据作为字典传递。
打印DataFrame以检查创建的数据。
使用 info() 方法获取有关 DataFrame 的信息。
打印从info()方法获取的信息。

示例

# import the Pandas library
import pandas as pd

# create a sample dataframe
df = pd.DataFrame({'Vehicle name': ['Supra', 'Honda', 'Lamorghini'],'price': [5000000, 600000, 7000000]})

# print the dataframe
print("DataFrame:\n", df)

# use the info() method to get the data type of each column
print(df.info())

输出

DataFrame:
   Vehicle name    price
0        Supra  5000000
1        Honda   600000
2   Lamorghini  7000000
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 2 columns):
 #   Column        Non-Null Count  Dtype 
---  ------        --------------  ----- 
 0   Vehicle name  3 non-null      object
 1   price         3 non-null      int64 
dtypes: int64(1), object(1)
memory usage: 176.0+ bytes
None

方法4：使用describe()函数

describe()方法用于生成DataFrame的描述性统计信息，包括每列的数据类型。

算法

使用 import 语句导入 Pandas 库。
使用 pd.DataFrame() 函数创建 DataFrame 并将给定数据作为字典传递。
打印DataFrame以检查创建的数据。
使用describe()方法获取DataFrame的描述性统计信息。
使用describe()方法的include参数为'all'以包含描述性统计中的所有列。
使用 dtypes 属性获取 DataFrame 中每列的数据类型。
打印每列的数据类型。

示例

# import the Pandas library
import pandas as pd

# create a sample dataframe
df = pd.DataFrame({'Vehicle name': ['Supra', 'Honda', 'Lamorghini'],'price': [5000000, 600000, 7000000]})

# print the dataframe
print("DataFrame:\n", df)

# use the describe() method to get the descriptive statistics of the dataframe
desc_stats = df.describe(include='all')

# get the data type of each column 
dtypes = desc_stats.dtypes

# print the data type of each column
print("Data type of each column in the descriptive statistics:\n", dtypes)

输出

DataFrame:
   Vehicle name    price
0        Supra  5000000
1        Honda   600000
2   Lamorghini  7000000
Data type of each column in the descriptive statistics:
 Vehicle name     object
price           float64
dtype: object