Python 获取Pandas中列的数据类型

Pandas是一种流行且功能强大的Python库，常用于数据分析和处理。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，我们将介绍在Pandas中确定列的数据类型的各种方法。在Pandas DataFrame中，有许多情况我们需要查找列的数据类型。Pandas DataFrame中的每一列可以包含不同的数据类型。

在继续之前，让我们创建一个样本数据框，然后我们要在其中获取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脚本打印了我们创建的DataFrame。

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

以下是完成任务的可行方法：

方法

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

现在让我们讨论每种方法以及它们如何用于获取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中每个列的数据类型。该属性将返回一个系列，其中包含每个列的数据类型。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。

步骤

导入Pandas库。
使用pd.DataFrame()函数创建一个DataFrame，并以字典的形式传递样本数据。
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，我们获取数据框中单个列的数据类型。

# 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()方法来过滤我们需要的数据类型列。根据所提供的数据类型作为输入，select_dtypes()方法返回列的子集。这种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。

步骤

导入Pandas库。
使用pd.DataFrame()函数创建一个DataFrame，并将给定的数据作为字典传递进去。
打印DataFrame以检查所创建的数据。
使用select_dtypes()方法从DataFrame中选择所有数字列。使用include参数将我们想要选择的数据类型列表作为参数传递进去。
循环遍历列，遍历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

步骤

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入。
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。

步骤

使用import语句导入Pandas库。
使用pd.DataFrame()函数创建DataFrame，并将给定的数据作为字典传递。
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参数设为’all’，以包括所有列在描述性统计中。
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