博客

在pandas中，如果需要查看column的类型，一般使用

df.dtypes

方法，它将返回每个列的数据类型，但是如果涉及到多个类型，该方法只能返回一个类型，比如

frame = pd.DataFrame({'Yes': [41, None, 'str', 70, 21.3], 'No': [131, 2, None, 1, 3]})
print(frame.dtypes)

输出为

​​Yes     object
No     float64
dtype: object

可以看到，Yes被标注为object，No被标注为float。我们发现一列中只要包含字符串，会被标记为object类，而包含nan（空值），其他元素为int的列会被标注为float。

一般而言，一列中一般只包含一种数据类型。但实践中，有时dataFrame包含的表格可能出错，或者处于需要包含多种数据类型。如果我们想要观察dataFrame中的所有类型的分布情况，就需要自己动手啦~

我们写了一个简单的函数，输入的是dataFrame，输出俩列表。第一个列表是我们要的所有列包含的所有数据类型，按列进行统计；第二个列表包含所有含多个数据类型的列（不包括nan），输出的结构为

[(column名，{数据类型列表})]   和

[所有含多个数据类型的列（不包括nan)]

上代码(doge)

def check_df_types(frame) ->(list,list):

    assert len(frame.index) != 0  #要求df不为空
    report_list = []
    multiple_type_list = []
    null_df = frame.isnull().sum()

还是在函数内部，判断类型

    columns = frame.columns   

    for column in columns:
        type_dict = {'int':0, 'float':0, 'None':0, 'str':0, 'unkown':0}
        for item in frame[column]: #类型判断与计数

            if isinstance(item,int):
                type_dict['int'] = type_dict['int'] + 1
          
            elif item is None: # series是object的时候None是None，数字的None是float
                continue
            
            elif isinstance(item,float):   # df中None属于float.Python也是的，大概
                type_dict['float'] = type_dict['float'] + 1
              
            elif isinstance(item,str): # series中只要有，就是object
                type_dict['str'] = type_dict['str'] + 1
               
            else:
                type_dict['unkown'] = type_dict['unkown'] + 1

由于nan是算float的，数据类型为float要在float里面减掉nan，数据类型是object的话 ,由于nan被记成float，要加上去（doge)

        nan_count = null_df[column]
        type_dict['None'] = type_dict['None'] + nan_count

        if str(frame[column].dtype) == 'float64': # 可能出问题，但int里面有None会转成float
            type_dict['float'] = type_dict['float'] - nan_count

        report_list.append((column,type_dict))       

        count = 0
        for key in type_dict:
            if type_dict[key] != 0 and key != 'None':
                count += 1

        if count > 1:
            multiple_type_list.append(column)          
        print(column + ' is: ' +str(type_dict))  

    return  report_list, multiple_type_list

最后调用函数，over~

l,l2 = check_df_types(frame)
print(l2)

结果正是我们想要的，拿到了一列中所有的数据类型，打印了含多种数据类型的有潜在异常的列。

对比一下

frame = pd.DataFrame({'Yes': [41, None, 'str', 70, 21.3], 'No': [131, 2, None, 1, 3]})
print(frame.dtypes)

可以看到，No那一列虽然是int，但里面有nan，数据类型在创建的时候就已经被pandas被改成float了，虽然我们遍历了整个dataFrame，但这个int没有被catch到(doge)，如果要求不高就…这样吧。

申明：虽然我挺菜的，但代码是我自己写的，加引用哈~，喜欢的话点个免费的赞吧（白嫖怪震怒）

—————————————-分隔线———————————————

对于之前的问题，我们有一个解决方法：不分int和float，叫它num就完事了(doge)

加一行代码，由于我懒得改函数了，就加在外面吧

for d in l:
    d = d[1]
    d['num'] = d['int'] + d['float']
    del d['int']
    del d['float']
    print(d)