Python：检查数据框列是否包含字符串类型

Question

我想检查数据帧中的列是否由字符串组成，以便为机器学习目的用数字标记它们。有些列由数字组成，我不想更改它们。列示例如下所示：

TRAIN FEATURES
  Age              Level  
  32.0              Silver      
  61.0              Silver  
  66.0              Silver      
  36.0              Gold      
  20.0              Silver     
  29.0              Silver     
  46.0              Silver  
  27.0              Silver      

谢谢=）

Answer 1

我使用了两步方法：首先确定是否dtype==object，如果是，则获取第一行数据以查看该列的数据是否为字符串。

c = 'my_column_name'
if df[c].dtype == object and isinstance(df.iloc[0][c], str):
    # do something 

Answer 2

是的，这是可能的。您可以使用dtype

import pandas as pd
import numpy as np

df = pd.DataFrame({'a': ['a','b','c','d']})
if df['a'].dtype != np.number:
    print('yes')
else:
    print('no')

您还可以使用select\u dtypes

df_subset = df.select_dtypes(exclude=[np.number])
# Now apply you can label encode your df_subset

Answer 3

请注意，上面的答案将包括DateTime、TimeStamp、Category和其他数据类型。

使用object更具限制性（尽管我不确定其他dtype是否也会使用objectdtype）：

>

创建数据帧：

df = pd.DataFrame({
    'a': ['a','b','c','d'], 
    'b': [1, 'b', 'c', 2], 
    'c': [np.nan, 2, 3, 4], 
    'd': ['A', 'B', 'B', 'A'], 
    'e': pd.to_datetime('today')})
df['d'] = df['d'].astype('category')

看起来像这样：

   a  b    c  d          e
0  a  1  NaN  A 2018-05-17
1  b  b  2.0  B 2018-05-17
2  c  c  3.0  B 2018-05-17
3  d  2  4.0  A 2018-05-17

您可以检查调用dtypes的类型：

df.dtypes

a            object
b            object
c           float64
d          category
e    datetime64[ns]
dtype: object

您可以使用items（）方法列出字符串列，并按对象进行过滤：

> [ col  for col, dt in df.dtypes.items() if dt == object]
['a', 'b']

或者，您可以使用“选择类型”来显示仅包含以下字符串的数据帧：

df.select_dtypes(include=[object])
   a  b
0  a  1
1  b  b
2  c  c
3  d  2