pandas.DataFrame.select_dtypes #

数据框。select_dtypes ( include = None , except = None ) [来源] #

根据列 dtypes 返回 DataFrame 列的子集。

参数：
包含、排除标量或类似列表

要包含/排除的数据类型或字符串的选择。必须至少提供这些参数之一。

返回：
数据框

帧的子集，包括 中的 dtypesinclude并排除 中的 dtypes exclude。

加薪：
值错误

  • 如果 和 都include为exclude空

  • 如果include和exclude具有重叠元素

  • 如果传入任何类型的字符串数据类型。

也可以看看

DataFrame.dtypes

返回系列以及每列的数据类型。

笔记

  • 要选择所有数字类型，请使用np.number或'number'

  • 要选择字符串，您必须使用object数据类型，但请注意，这将返回所有对象数据类型列

  • 查看numpy dtype 层次结构

  • 要选择日期时间，请使用np.datetime64,'datetime'或 'datetime64'

  • 要选择时间增量，请使用np.timedelta64,'timedelta'或 'timedelta64'

  • 要选择 Pandas 分类数据类型，请使用'category'

  • 要选择 Pandas datetimetz dtypes，请使用'datetimetz' 或'datetime64[ns, tz]'

例子

>>> df = pd.DataFrame({'a': [1, 2] * 3,
...                    'b': [True, False] * 3,
...                    'c': [1.0, 2.0] * 3})
>>> df
        a      b  c
0       1   True  1.0
1       2  False  2.0
2       1   True  1.0
3       2  False  2.0
4       1   True  1.0
5       2  False  2.0

>>> df.select_dtypes(include='bool')
   b
0  True
1  False
2  True
3  False
4  True
5  False

>>> df.select_dtypes(include=['float64'])
   c
0  1.0
1  2.0
2  1.0
3  2.0
4  1.0
5  2.0

>>> df.select_dtypes(exclude=['int64'])
       b    c
0   True  1.0
1  False  2.0
2   True  1.0
3  False  2.0
4   True  1.0
5  False  2.0