Pandas DataFrame.select_dtypes() 用法详解

Pandas DataFrame.select_dtypes() 用法详解

DataFrame.select_dtypes() 是 Pandas 中用于按数据类型筛选列的方法，它可以帮助你快速选择特定数据类型的列进行分析或处理。

基本语法

DataFrame.select_dtypes(
    include=None,  # 包含的数据类型
    exclude=None   # 排除的数据类型
)

参数说明

参数	说明
include	选择包含的数据类型（字符串或列表）
exclude	选择排除的数据类型（字符串或列表）

数据类型标识符

常用的数据类型标识符包括：

• 'number'：所有数值类型（int, float等）
• 'float'：浮点型
• 'int'：整型
• 'bool'：布尔型
• 'object'：字符串或混合类型
• 'datetime'：日期时间
• 'timedelta'：时间差
• 'category'：分类数据

使用示例

1. 选择数值型列

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': [1, 2, 3],               # 整型
    'B': [1.1, 2.2, 3.3],         # 浮点型
    'C': ['x', 'y', 'z'],         # 字符串
    'D': pd.to_datetime(['2020-01-01', '2020-01-02', '2020-01-03']),  # 日期时间
    'E': [True, False, True]      # 布尔型
})

# 选择所有数值型列
numeric_cols = df.select_dtypes(include='number')
print(numeric_cols)

输出：

   A    B
0  1  1.1
1  2  2.2
2  3  3.3

2. 排除特定类型列

# 排除字符串和日期时间列
non_obj_cols = df.select_dtypes(exclude=['object', 'datetime'])
print(non_obj_cols)

输出：

   A    B      E
0  1  1.1   True
1  2  2.2  False
2  3  3.3   True

3. 组合使用include和exclude

# 选择数值型但排除整型
float_only = df.select_dtypes(include='number', exclude='int')
print(float_only)

输出：

     B
0  1.1
1  2.2
2  3.3

高级用法

1. 选择多个数据类型

# 选择字符串和布尔型列
selected = df.select_dtypes(include=['object', 'bool'])
print(selected)

2. 使用Numpy数据类型

# 选择np.float64类型列
float64_cols = df.select_dtypes(include=[np.float64])

3. 实际应用场景

# 数据预处理示例：只对数值列做标准化
from sklearn.preprocessing import StandardScaler

numeric_cols = df.select_dtypes(include='number')
scaler = StandardScaler()
df[numeric_cols.columns] = scaler.fit_transform(numeric_cols)

注意事项

1. 如果指定的类型在DataFrame中不存在，会返回空的DataFrame
2. 可以同时使用include和exclude参数
3. 类型名称不区分大小写（'number’和’NUMBER’等效）
4. 对于自定义数据类型，需要使用实际的数据类型对象

性能提示

对于大型DataFrame，select_dtypes()比手动遍历列并检查类型更高效，因为它是向量化操作。

select_dtypes()是数据清洗和特征工程中非常有用的工具，特别是在需要按数据类型进行不同处理的场景下。