Python DataFrame 获取数字列

在数据分析和机器学习中，我们常常需要从数据框或数据集中选择或提取数字列。 Python Pandas 数据框为我们提供了一个很好的工具来完成这个任务。

获取数字列

要从数据框中选择数字列，我们可以使用 select_dtypes 函数并指定 include='number' 参数。这将选择所有数字列，并返回一个新的数据框。

# 导入pandas库
import pandas as pd

# 创建样本数据框
data = {'Name': ['Tom', 'Kate', 'John', 'Emily'],
        'Age': [28, 25, 26, 31],
        'City': ['New York', 'Paris', 'Berlin', 'London'],
        'Salary': [5000, 4500, 4000, 6000]}
df = pd.DataFrame(data)

# 获取数字列
num_col = df.select_dtypes(include='number')
print(num_col)

输出：

   Age  Salary
0   28    5000
1   25    4500
2   26    4000
3   31    6000

在上面的代码块中，我们首先导入 Pandas 库，并创建了一个名为 data 的字典，其中包含了一个名为 df 的数据框。我们然后使用 select_dtypes 函数并指定 include='number' 参数来获取所有数字列。最后，我们打印结果。

获取特定类型的数字列

如果我们只想选择特定类型的数字列，如整数或浮点数列，我们可以使用 select_dtypes 函数并指定 include='number' 或 include='integer' 或 include='float' 参数。我们还可以使用 exclude 参数来排除不需要的列。

# 获取整数列
int_col = df.select_dtypes(include='integer')
print(int_col)

# 获取浮点数列
float_col = df.select_dtypes(include='float')
print(float_col)

输出：

   Age
0   28
1   25
2   26
3   31

   Salary
0    5000
1    4500
2    4000
3    6000

在上面的代码块中，我们分别使用 include='integer' 和 include='float' 参数获取整数列和浮点数列。我们还可以使用 exclude 参数来排除不需要的列，例如 exclude='Age' 就会排除 Age 列。

结论

在 Python Pandas 数据框中，我们可以使用 select_dtypes 函数来选择或提取数字列。我们还可以使用 include 和 exclude 参数来选择特定类型的数字列或排除不需要的列。这些函数可以帮助我们更方便地进行数据清理和特征选择。