Existe-t-il une meilleure façon de déterminer si une variable est dans Pandaset / ou NumPyest numericou non?
J'ai un moi défini dictionaryavec dtypescomme clés et numeric/ notcomme valeurs.
Réponses:
En pandas 0.20.2vous pouvez faire:
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
Vous pouvez utiliser np.issubdtypepour vérifier si le dtype est un sous-type de np.number. Exemples:
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
Cela fonctionne pour les dtypes de numpy mais échoue pour les types spécifiques aux pandas comme pd.Catégorique comme l'a noté Thomas . Si vous utilisez la is_numeric_dtypefonction catégorielle de pandas, c'est une meilleure alternative que 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
Pour plusieurs colonnes, vous pouvez utiliser 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)
Et pour la sélection, les pandas ont maintenant 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
Sur la base de la réponse de @ jaime dans les commentaires, vous devez vérifier .dtype.kindla colonne qui vous intéresse. Par exemple;
>>> 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 La signification de biufc: bbool, iint (signé), uunsigned int, ffloat, ccomplex. Voir https://docs.scipy.org/doc/numpy/reference/generated/numpy.dtype.kind.html#numpy.dtype.kind
ucorrespondent aux nombres entiers non signés; les majuscules Usont pour unicode. [1]: docs.scipy.org/doc/numpy/reference/generated/…
Pandas a une select_dtypefonction. Vous pouvez facilement filtrer vos colonnes sur int64 et float64 comme ceci:
df.select_dtypes(include=['int64','float64'])
Il s'agit d'une méthode pseudo-interne pour renvoyer uniquement les données de type numérique
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
Que diriez-vous de vérifier simplement le type de l'une des valeurs de la colonne? Nous avons toujours eu quelque chose comme ça:
isinstance(x, (int, long, float, complex))
Lorsque j'essaie de vérifier les types de données pour les colonnes dans le cadre de données ci-dessous, je les reçois en tant qu'objet et non en tant que type numérique que j'attends:
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
Lorsque je fais ce qui suit, cela semble me donner un résultat précis:
isinstance(df['test1'][len(df['test1'])-1], (int, long, float, complex))
Retour
True
Vous pouvez vérifier si une colonne donnée contient des valeurs numériques ou non en utilisant des dtypes
numerical_features = [feature for feature in train_df.columns if train_df[feature].dtypes != 'O']
Remarque: "O" doit être une majuscule
dtype.kind in 'biufc'.