Apakah ada cara yang lebih baik untuk menentukan apakah variabel dalam Pandasdan / atau NumPyyang numericatau tidak?
Saya memiliki definisi sendiri dictionarydengan dtypessebagai kunci dan numeric/ notsebagai nilai.
Jawaban:
Dalam pandas 0.20.2Anda dapat melakukan:
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
Anda dapat menggunakan np.issubdtypeuntuk memeriksa apakah dtype adalah sub dtype dari np.number. Contoh:
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
Ini berfungsi untuk dtypes numpy tetapi gagal untuk tipe tertentu panda seperti pd. Kategorikal seperti yang dicatat Thomas . Jika Anda menggunakan is_numeric_dtypefungsi kategorikal dari pandas adalah alternatif yang lebih baik daripada 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
Untuk beberapa kolom, Anda dapat menggunakan 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)
Dan untuk seleksi, panda sekarang memiliki 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
Berdasarkan jawaban @ jaime di kolom komentar, perlu dicek .dtype.kinddi kolom yang menarik. Sebagai contoh;
>>> 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 Arti dari biufc: bbool, iint (signed), uunsigned int, ffloat, ccomplex. Lihat https://docs.scipy.org/doc/numpy/reference/generated/numpy.dtype.kind.html#numpy.dtype.kind
uadalah untuk bilangan bulat tak bertanda tangan; huruf besar Uuntuk unicode. [1]: docs.scipy.org/doc/numpy/reference/generated/…
Panda memiliki select_dtypefungsi. Anda dapat dengan mudah memfilter kolom Anda di int64 , dan float64 seperti ini:
df.select_dtypes(include=['int64','float64'])
Ini adalah metode pseudo-internal untuk mengembalikan hanya data tipe numerik
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
Bagaimana kalau hanya memeriksa jenis untuk salah satu nilai di kolom? Kami selalu memiliki sesuatu seperti ini:
isinstance(x, (int, long, float, complex))
Ketika saya mencoba untuk memeriksa tipe data untuk kolom di bawah dataframe, saya mendapatkannya sebagai 'objek' dan bukan tipe numerik yang saya harapkan:
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
Ketika saya melakukan hal berikut, sepertinya memberi saya hasil yang akurat:
isinstance(df['test1'][len(df['test1'])-1], (int, long, float, complex))
kembali
True
Anda dapat memeriksa apakah kolom tertentu berisi nilai numerik atau tidak menggunakan dtypes
numerical_features = [feature for feature in train_df.columns if train_df[feature].dtypes != 'O']
Catatan: "O" harus menjadi huruf kapital
dtype.kind in 'biufc'.