obter lista de colunas de dataframe do pandas com base no tipo de dados

Se eu tiver um quadro de dados com as seguintes colunas:

1. NAME                                     object
2. On_Time                                      object
3. On_Budget                                    object
4. %actual_hr                                  float64
5. Baseline Start Date                  datetime64[ns]
6. Forecast Start Date                  datetime64[ns] 

Eu gostaria de poder dizer: aqui está um dataframe, me dê uma lista das colunas que são do tipo Object ou do tipo DateTime?

Eu tenho uma função que converte números (Float64) em duas casas decimais e gostaria de usar esta lista de colunas de quadro de dados, de um tipo específico, e executá-la nessa função para convertê-las em 2dp.

Talvez:

For c in col_list: if c.dtype = "Something"
list[]
List.append(c)?

Se você deseja uma lista de colunas de um determinado tipo, pode usar groupby:

>>> df = pd.DataFrame([[1, 2.3456, 'c', 'd', 78]], columns=list("ABCDE"))
>>> df
   A       B  C  D   E
0  1  2.3456  c  d  78

[1 rows x 5 columns]
>>> df.dtypes
A      int64
B    float64
C     object
D     object
E      int64
dtype: object
>>> g = df.columns.to_series().groupby(df.dtypes).groups
>>> g
{dtype('int64'): ['A', 'E'], dtype('float64'): ['B'], dtype('O'): ['C', 'D']}
>>> {k.name: v for k, v in g.items()}
{'object': ['C', 'D'], 'int64': ['A', 'E'], 'float64': ['B']}

No pandas v0.14.1, você pode utilizar select_dtypes()para selecionar colunas por dtype

In [2]: df = pd.DataFrame({'NAME': list('abcdef'),
    'On_Time': [True, False] * 3,
    'On_Budget': [False, True] * 3})

In [3]: df.select_dtypes(include=['bool'])
Out[3]:
  On_Budget On_Time
0     False    True
1      True   False
2     False    True
3      True   False
4     False    True
5      True   False

In [4]: mylist = list(df.select_dtypes(include=['bool']).columns)

In [5]: mylist
Out[5]: ['On_Budget', 'On_Time']

Usando dtypevocê fornecerá o tipo de dados da coluna desejada:

dataframe['column1'].dtype

se você quiser conhecer os tipos de dados de toda a coluna de uma só vez , poderá usar o plural de dtypecomo dtypes :

dataframe.dtypes

Você pode usar a máscara booleana no atributo dtypes:

In [11]: df = pd.DataFrame([[1, 2.3456, 'c']])

In [12]: df.dtypes
Out[12]: 
0      int64
1    float64
2     object
dtype: object

In [13]: msk = df.dtypes == np.float64  # or object, etc.

In [14]: msk
Out[14]: 
0    False
1     True
2    False
dtype: bool

Você pode ver apenas essas colunas com o tipo desejado:

In [15]: df.loc[:, msk]
Out[15]: 
        1
0  2.3456

Agora você pode usar round (ou qualquer outra coisa) e atribuí-lo de volta:

In [16]: np.round(df.loc[:, msk], 2)
Out[16]: 
      1
0  2.35

In [17]: df.loc[:, msk] = np.round(df.loc[:, msk], 2)

In [18]: df
Out[18]: 
   0     1  2
0  1  2.35  c

list(df.select_dtypes(['object']).columns)

Isso deve fazer o truque

use df.info(verbose=True)where dfé um datafarme de pandas, por padrãoverbose=False

A maneira mais direta de obter uma lista de colunas de um determinado tipo, por exemplo, 'objeto':

df.select_dtypes(include='object').columns

Por exemplo:

>>df = pd.DataFrame([[1, 2.3456, 'c', 'd', 78]], columns=list("ABCDE"))
>>df.dtypes

A      int64
B    float64
C     object
D     object
E      int64
dtype: object

Para obter todas as colunas dtype 'object':

>>df.select_dtypes(include='object').columns

Index(['C', 'D'], dtype='object')

Apenas para a lista:

>>list(df.select_dtypes(include='object').columns)

['C', 'D']   

Se você quiser uma lista apenas das colunas de objetos, poderá fazer:

non_numerics = [x for x in df.columns \
                if not (df[x].dtype == np.float64 \
                        or df[x].dtype == np.int64)]

e se você deseja obter outra lista apenas dos numéricos:

numerics = [x for x in df.columns if x not in non_numerics]

Eu vim com este forro de três .

Basicamente, aqui está o que ele faz:

1. Busque os nomes das colunas e seus respectivos tipos de dados.
2. Opcionalmente, estou exibindo-o em um CSV.

inp = pd.read_csv('filename.csv') # read input. Add read_csv arguments as needed
columns = pd.DataFrame({'column_names': inp.columns, 'datatypes': inp.dtypes})
columns.to_csv(inp+'columns_list.csv', encoding='utf-8') # encoding is optional

Isso facilitou muito minha vida na tentativa de gerar esquemas em tempo real. Espero que isto ajude

para yoshiserry;

def col_types(x,pd):
    dtypes=x.dtypes
    dtypes_col=dtypes.index
    dtypes_type=dtypes.value
    column_types=dict(zip(dtypes_col,dtypes_type))
    return column_types

Eu uso infer_objects ()

Docstring: tentativa de inferir melhores tipos para colunas de objetos.

Tenta a conversão suave de colunas com tipo de objeto, deixando inalteradas as colunas não-objeto e inconversíveis. As regras de inferência são as mesmas da construção normal do Series / DataFrame.

df.infer_objects().dtypes