如何将 Pandas 中的数值和分类值列作为单独的列表？

Question

这是我的代码：

df = pd.DataFrame({'First':[1,2,3,4],'Second':[1,2,3,'string'],'Third':[1,2,3,4],'Fourth':['string','lava','cake','Volcano']})
columns = df.applymap(np.isreal).all()
print(type(columns))
print(columns)
True_columns = []
False_columns = []

输出是：

<class 'pandas.core.series.Series'>
First      True
Second    False
Third      True
Fourth    False
dtype: bool

我需要在 True_columns 列表中保存所有带有 TRUE（第一、第三）的列，并在 False_columns 列表中保存所有带有 FALSE（第二、第四）的列。 我正在学习熊猫。 谁能帮助我如何实现这一要求？

提前致谢。

Answer 1

按boolean indexing过滤，对于False_columns按~反转布尔掩码：

True_columns  = df.columns[columns].tolist()
print (True_columns)
['First', 'Third']

False_columns = df.columns[~columns].tolist()
print (False_columns)
['Second', 'Fourth']

或者：

True_columns = columns.index[columns].tolist()
False_columns = columns.index[~columns].tolist()

或者：

True_columns = columns[columns].index.tolist()
False_columns = columns[~columns].index.tolist()

另一种解决方案是使用DataFrame.select_dtypes ：

True_columns = df.select_dtypes(np.number).columns.tolist()
print (True_columns)
['First', 'Third']

False_columns = df.select_dtypes('object').columns.tolist()
print (False_columns)
['Second', 'Fourth']

Answer 2

尝试这个：

True_columns = columns[columns].index.tolist()
False_columns = columns[~columns].index.tolist()

Answer 3

numeric_cols = [column for column in df.columns if df[column].dtype != 'object']
string_cols = [column for column in df.columns if df[column].dtype == 'object']

这将为您提供具有数字和非数字 dtypes 的列列表。

Answer 4

谢谢大家的评论。 我尝试了下面的方法，它按预期工作。

df = pd.DataFrame({'First':[1,2,3,4],'Second':[1,2,3,'string'],'Third':[1,2,3,4],'Fourth':['string','lava','cake','Volcano']})
columns = df.applymap(np.isreal).all()
True_columns = df.columns[columns].tolist()
False_columns = df.columns[~columns].tolist()
print(True_columns,False_columns)