如何查看DataFrame的数据类型

DataFrame是Python中pandas库中的一个数据结构，它是一个二维表格，可以很方便地存储和处理数据。对于数据处理的初学者来说，在查看DataFrame的数据类型可能会有些难度。但是，只要了解一些基本的概念和方法，就能很轻松地查看DataFrame的各列数据类型。

一、使用info()函数查看各列数据类型

在pandas库中，DataFrame对象提供了info()函数，可以用来查看每一列数据的数量，以及每一列的数据类型和占用空间大小。

import pandas as pd
df = pd.read_csv('data.csv')
df.info()

运行以上代码后，命令行或者Jupyter Notebook中会打印出DataFrame的各列数据类型以及占用空间大小，示例代码如下：


RangeIndex: 10 entries, 0 to 9
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   Name    10 non-null     object 
 1   Age     10 non-null     int64  
 2   Score   10 non-null     float64
dtypes: float64(1), int64(1), object(1)
memory usage: 368.0+ bytes

上述代码中，我们读取了一个名为”data.csv”的文件中的数据，并使用info()函数查看了各列的数据类型和占用空间大小。注意：info()函数只会在DataFrame中存在的列上运行，如果有一列数据全为空，info()函数就不会把它计算在内。

二、使用dtypes查看各列数据类型

除了使用info()函数之外，我们还可以使用dtypes属性查看DataFrame各列的数据类型。这种方法输出的结果更加简洁，仅包括列名和数据类型。

import pandas as pd
df = pd.read_csv('data.csv')
print(df.dtypes)

以上代码中，我们读取了名为”data.csv”的文件中的数据，并使用dtypes属性来查看各列的数据类型。输出结果如下：

Name      object
Age        int64
Score    float64
dtype: object

上述代码中，我们可以看到每列的名称以及相应的数据类型，如Name列的数据类型是object，Age列是int64，Score列是float64。

三、使用select_dtypes()函数选择某一类型的数据

在pandas库中，我们还可以使用select_dtypes()函数来选择一个DataFrame中的某一类型的数据。下面是一个简单的使用示例：

import pandas as pd
df = pd.read_csv('data.csv')
df.select_dtypes(include=['int64', 'float64'])

以上代码中，我们读取了名为”data.csv”的文件中的数据，并使用select_dtypes函数来选择所有的int64和float64数据类型的行和列。输出结果如下:

   Age  Score
0   20   90.0
1   30   85.0
2   25   92.5
3   32   87.5
4   28   89.0
5   22   89.5
6   24   92.0
7   26   88.0
8   27   90.5
9   29   91.0

上述代码中，我们使用select_dtypes()函数选择出了DataFrame中所有的int64和float64数据类型的行和列，并输出了选取的数据。

四、使用describe()函数查看数据的分布情况

在pandas库中，DataFrame对象还提供了一个describe()函数，用来查看所有数值列的汇总统计信息。describe()函数所列出的汇总统计信息包括：数量，平均数，标准差，最小值，第25%，中位数，第75%和最大值。下面是一个示例代码：

import pandas as pd
df = pd.read_csv('data.csv')
print(df.describe())

以上代码中，我们读取了名为”data.csv”的文件中的数据，并使用describe()函数来查看数值列的汇总统计信息。结果输出如下：

             Age      Score
count  10.000000  10.000000
mean   26.300000  89.400000
std     3.096747   2.485124
min    20.000000  85.000000
25%    24.250000  88.250000
50%    26.500000  89.750000
75%    28.750000  91.125000
max    32.000000  92.500000

上述代码中，我们可以看到所有数值列的汇总统计信息。例如，在这个DataFrame中，Age列的平均值是26.3，最小值是20，最大值是32。

五、使用applymap()函数遍历所有元素并查看数据类型

在pandas库中，DataFrame对象提供了applymap()函数，可以用来遍历DataFrame中的每个元素，并对每个元素执行相应的操作。下面是一个示例代码：

import pandas as pd
df = pd.read_csv('data.csv')
print(df.applymap(type))

以上代码中，我们读取了名为”data.csv”的文件中的数据，并使用applymap()函数遍历所有元素，并打印出每个元素对应的数据类型。结果输出如下：

                                               Name                Age              Score
0          
1          
2          
3          
4          
5          
6          
7          
8          
9

上述代码中，我们使用applymap()函数遍历了所有的元素，并输出了每个元素对应的数据类型。我们可以看到，所有的数据类型除了数据里的字符（Name列）外，其他的都是int或者float类型。

六、总结

在Python的pandas库中，我们有很多方法来查看DataFrame数据的类型。通过以上的介绍，我们了解到了使用info()函数、dtypes属性、select_dtypes()函数、describe()函数以及applymap()函数分别来查看DataFrame数据类型的方法。使得我们在数据处理方面也可以掌握更多技能。

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/190408.html