从pandas DataFrame中删除非数字列

Question

在我的应用程序中，我加载了如下结构的文本文件：

• 第一个非数字列（ID）
• 许多非数字列（字符串）
• 许多数字列（花车）

非数字列的数量是可变的。目前我将数据加载到DataFrame中，如下所示：

source = pandas.read_table(inputfile, index_col=0)

我想一下子丢弃所有非数字列，而不知道他们的名字或索引，因为这可以读取他们的dtype。这可能与大熊猫有关，还是我必须自己做点什么？

Answer 1

为避免使用私有方法，您还可以使用，您可以在其中包含或排除所需的dtypes。

在select_dtypes完全相同的事情进入它。

或者在你的情况下，特别是：
source.select_dtypes(['number']) or source.select_dtypes([np.number]

Answer 2

它是一个私有方法，但它可以解决这个问题：source._get_numeric_data（）

In [2]: import pandas as pd

In [3]: source = pd.DataFrame({'A': ['foo', 'bar'], 'B': [1, 2], 'C': [(1,2), (3,4)]})

In [4]: source
Out[4]:
     A  B       C
0  foo  1  (1, 2)
1  bar  2  (3, 4)

In [5]: source._get_numeric_data()
Out[5]:
   B
0  1
1  2

Answer 3

我还有另一种可能的解决方案，即用两行代码删除具有分类值的列，定义一个包含分类值列的列表（第一行），然后使用第二行删除它们。 df是我们的DataFrame

df删除之前：

  to_be_dropped=pd.DataFrame(df.categorical).columns
  df= df.drop(to_be_dropped,axis=1)

删除后的

df：

Answer 4

这将删除不包含float64数字的每一列。

df = pd.read_csv('sample.csv', index_col=0)
non_floats = []
for col in df:
    if df[col].dtypes != "float64":
        non_floats.append(col)
df = df.drop(columns=non_floats)