Как проверить тип данных в Pandas DataFrame?
Pandas DataFrame - это двумерная структура данных изменяемого размера и разнородных табличных данных. В Python доступны различные встроенные типы данных. Для проверки типов данных используются два метода: pandas.DataFrame.dtypes и pandas.DataFrame.select_dtypes.
Consider an dataset of a shopping store having data about Customer Serial Number, Customer Name, Product ID of the purchased item, Product Cost and Date of Purchase.
Python3
#importing pandas as pdimport pandas as pd # Create the dataframe df = pd.DataFrame({"Cust_No": [1,2,3],"Cust_Name": ["Alex", "Bob", "Sophie"],"Product_id": [12458,48484,11311],"Product_cost": [65.25, 25.95, 100.99],"Purchase_Date": [pd.Timestamp("20180917"), pd.Timestamp("20190910"), pd.Timestamp("20200610")]}) # Print the dataframe df |
Выход:
Метод 1. Использование pandas.DataFrame.dtypes
Чтобы пользователь мог проверить DataType определенного набора данных или определенного столбца из набора данных, можно использовать этот метод. Этот метод возвращает список типов данных для каждого столбца или также возвращает только тип данных определенного столбца.
Example 1 :
Python3
# Print a list datatypes of all columns df.dtypes |
Выход:
Example 2:
Python3
# print datatype of particular columndf.Cust_No.dtypes |
Выход:
dtype ('int64')Метод 2: Использование pandas.DataFrame.select_dtypes
В отличие от проверки типа данных, пользователь может альтернативно выполнить проверку, чтобы получить данные для определенного типа данных, если он существует, в противном случае получить взамен пустой набор данных. Этот метод возвращает подмножество столбцов DataFrame на основе dtypes столбцов.
Example 1:
Python3
# Returns Two column of int64 df.select_dtypes(include = "int64") |
Выход:
Example 2:
Python3
# Returns columns excluding int64 df.select_dtypes(exclude = "int64") |
Выход :
Example 3 :
Python3
# Print an empty list as there is# no column of bool typedf.select_dtypes(include = "bool") |
Выход :
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.