pandas查看数值类型

要查看pandas数据框中的数值类型，可以使用`select_dtypes`方法。

以下是使用示例：

import pandas as pd

# 创建一个示例数据框
data = {'col1': [1, 2, 3],
        'col2': [4.5, 5.6, 6.7],
        'col3': ['a', 'b', 'c']}
df = pd.DataFrame(data)

# 选择数值类型的列
numeric_cols = df.select_dtypes(include=['number']).columns
print(numeric_cols)

在上面的示例中，`select_dtypes`方法被用于选择数值类型的列。`include=['number']`参数用于指定需要选择的数值类型。

输出结果将是一个包含数值类型列名的列表。在这个例子中，输出将是`['col1', 'col2']`，因为这两列包含数值类型的数据。

相关问题

pandas怎么把货币类型转化为数值类型

可以使用 pandas 中的 astype() 方法将货币类型转化为数值类型，示例代码如下：

import pandas as pd

# 创建一个包含货币类型的 DataFrame
df = pd.DataFrame({'money': ['￥100.00', '￥200.00', '￥300.00']})

# 使用 astype() 方法将货币类型转化为数值类型
df['money'] = df['money'].str.replace('￥', '').astype(float)

print(df)

输出结果为：

   money
0  100.0
1  200.0
2  300.0

pandas中把数值以百分比形式输出，且百分比形式为数值类型

你可以使用Pandas中的`applymap()`函数和`lambda`函数来将数值转换为百分比格式，并且将其保留为数值类型。具体做法如下：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': [0.1234, 0.5678], 'B': [0.2468, 0.8642]})

# 使用applymap()函数和lambda函数将数值转换为百分比格式，并保留为数值类型
df = df.applymap(lambda x: '{:.2%}'.format(x)).astype(float)

# 输出结果
print(df)

这段代码会将DataFrame中的数值转换为百分比格式，并且保留2位小数。输出的结果如下：

        A       B
0   12.34%  24.68%
1   56.78%  86.42%

需要注意的是，`astype()`函数是将字符串类型转换为数值类型的方法。由于我们在`applymap()`函数中将数值转换为了字符串类型的百分比格式，因此需要在最后使用`astype(float)`来将其转换回数值类型。