Come determinare se una colonna / variabile è numerica o meno in Pandas / NumPy?

C'è un modo migliore per determinare se una variabile è in Pandase / o NumPyè numerico no?

Ho un auto definito dictionarycon dtypescome chiavi e numeric/ notcome valori.

In pandas 0.20.2puoi fare:

import pandas as pd
from pandas.api.types import is_string_dtype
from pandas.api.types import is_numeric_dtype

df = pd.DataFrame({'A': ['a', 'b', 'c'], 'B': [1.0, 2.0, 3.0]})

is_string_dtype(df['A'])
>>>> True

is_numeric_dtype(df['B'])
>>>> True

È possibile utilizzare np.issubdtypeper verificare se il dtype è un sub dtype di np.number. Esempi:

np.issubdtype(arr.dtype, np.number)  # where arr is a numpy array
np.issubdtype(df['X'].dtype, np.number)  # where df['X'] is a pandas Series

Questo funziona per i dtypes di numpy ma fallisce per i tipi specifici di panda come pd.Categorical come ha notato Thomas . Se stai usando la is_numeric_dtypefunzione categorici di Panda è un'alternativa migliore di np.issubdtype.

df = pd.DataFrame({'A': [1, 2, 3], 'B': [1.0, 2.0, 3.0], 
                   'C': [1j, 2j, 3j], 'D': ['a', 'b', 'c']})
df
Out: 
   A    B   C  D
0  1  1.0  1j  a
1  2  2.0  2j  b
2  3  3.0  3j  c

df.dtypes
Out: 
A         int64
B       float64
C    complex128
D        object
dtype: object

np.issubdtype(df['A'].dtype, np.number)
Out: True

np.issubdtype(df['B'].dtype, np.number)
Out: True

np.issubdtype(df['C'].dtype, np.number)
Out: True

np.issubdtype(df['D'].dtype, np.number)
Out: False

Per più colonne puoi usare np.vectorize:

is_number = np.vectorize(lambda x: np.issubdtype(x, np.number))
is_number(df.dtypes)
Out: array([ True,  True,  True, False], dtype=bool)

E per la selezione, i panda ora hanno select_dtypes:

df.select_dtypes(include=[np.number])
Out: 
   A    B   C
0  1  1.0  1j
1  2  2.0  2j
2  3  3.0  3j

Sulla base della risposta di @ jaime nei commenti, è necessario verificare .dtype.kindla colonna di interesse. Per esempio;

>>> import pandas as pd
>>> df = pd.DataFrame({'numeric': [1, 2, 3], 'not_numeric': ['A', 'B', 'C']})
>>> df['numeric'].dtype.kind in 'biufc'
>>> True
>>> df['not_numeric'].dtype.kind in 'biufc'
>>> False

NB Il significato di biufc: bbool, iint (signed), uunsigned int, ffloat, ccomplex. Vedi https://docs.scipy.org/doc/numpy/reference/generated/numpy.dtype.kind.html#numpy.dtype.kind

I panda hanno una select_dtypefunzione. Puoi facilmente filtrare le tue colonne su int64 e float64 in questo modo:

df.select_dtypes(include=['int64','float64'])

Questo è un metodo pseudo-interno per restituire solo i dati di tipo numerico

In [27]: df = DataFrame(dict(A = np.arange(3), 
                             B = np.random.randn(3), 
                             C = ['foo','bar','bah'], 
                             D = Timestamp('20130101')))

In [28]: df
Out[28]: 
   A         B    C                   D
0  0 -0.667672  foo 2013-01-01 00:00:00
1  1  0.811300  bar 2013-01-01 00:00:00
2  2  2.020402  bah 2013-01-01 00:00:00

In [29]: df.dtypes
Out[29]: 
A             int64
B           float64
C            object
D    datetime64[ns]
dtype: object

In [30]: df._get_numeric_data()
Out[30]: 
   A         B
0  0 -0.667672
1  1  0.811300
2  2  2.020402

Che ne dici di controllare il tipo per uno dei valori nella colonna? Abbiamo sempre avuto qualcosa di simile:

isinstance(x, (int, long, float, complex))

Quando provo a controllare i tipi di dati per le colonne nel dataframe sottostante, li ottengo come 'oggetto' e non come un tipo numerico che mi aspetto:

df = pd.DataFrame(columns=('time', 'test1', 'test2'))
for i in range(20):
    df.loc[i] = [datetime.now() - timedelta(hours=i*1000),i*10,i*100]
df.dtypes

time     datetime64[ns]
test1            object
test2            object
dtype: object

Quando eseguo le seguenti operazioni, sembra che mi fornisca un risultato accurato:

isinstance(df['test1'][len(df['test1'])-1], (int, long, float, complex))

ritorna

True

Puoi anche provare:

df_dtypes = np.array(df.dtypes)
df_numericDtypes= [x.kind in 'bifc' for x in df_dtypes]

Restituisce un elenco di Truevalori booleani: se numerico, in Falsecaso contrario.

Solo per aggiungere a tutte le altre risposte, si può anche usare df.info()per ottenere qual è il tipo di dati di ciascuna colonna.

È possibile verificare se una determinata colonna contiene valori numerici o meno utilizzando dtypes

numerical_features = [feature for feature in train_df.columns if train_df[feature].dtypes != 'O']

Nota: "O" dovrebbe essere maiuscolo