pandas查看某列的数据类型的代码？

在 Pandas 中，可以使用 `dtype` 属性查看 DataFrame 或 Series 中某一列的数据类型。假设想要查看 DataFrame `df` 中名为 `col_name` 的列的数据类型，可以使用以下代码：

print(df['col_name'].dtype)

这将会输出该列的数据类型。如果想要查看多个列的数据类型，可以传入一个包含列名的列表，例如：

print(df[['col_name1', 'col_name2']].dtypes)

这将会输出 `col_name1` 和 `col_name2` 列的数据类型。

相关问题

python pandas将某列数据类型转为float型，对无法转换的数据赋空值

可以使用 `pandas.to_numeric` 方法将某列数据类型转为 float 型，并对无法转换的数据赋空值，具体代码如下：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 将某列数据类型转为 float 型，并对无法转换的数据赋空值
df['列名'] = pd.to_numeric(df['列名'], errors='coerce')

# 输出数据
print(df)

其中，`errors='coerce'` 表示对无法转换为 float 型的数据赋空值。

pandas删除某列不同数据类型的数据

要删除某列不同数据类型的数据，可以使用 `pandas.DataFrame.select_dtypes()` 方法来选择数据类型相同的列，然后再删除不需要的列。

例如，假设你有一个名为 `data` 的 DataFrame，其中有三列，分别为 `col1`、`col2` 和 `col3`，其中 `col2` 列包含不同数据类型的数据。你可以使用以下代码删除 `col2` 列：

data = data.select_dtypes(exclude=['object']) # 选择数据类型不为 object 的列

这个代码将仅选择数据类型不为 `object` 的列，也就是只保留 `col1` 和 `col3` 两列，然后将 `data` DataFrame 更新为删除了 `col2` 列的新 DataFrame。