提取DataFrame中类型为数值类型的数据列的列名

### 回答1：
在 Pandas 中，你可以使用 `DataFrame.select_dtypes` 函数来提取类型为数值类型的数据列。你可以这样做：

numeric_cols = df.select_dtypes(include=['float', 'int']).columns

这样你就可以得到一个包含数值类型数据列名称的列表了。

如果你想提取所有的数值类型，包括布尔型和时间序列，你可以使用 `np.number` 类型：

numeric_cols = df.select_dtypes(include=np.number).columns

这样就能提取出所有的数值类型数据列了。

### 回答2：
要提取DataFrame中类型为数值类型的数据列的列名，可以使用dtypes属性来检查每一列的数据类型，并通过条件筛选出数值类型的列名。

具体步骤如下：
1. 使用dtypes属性获取DataFrame中每一列的数据类型。
2. 使用条件筛选出数值类型的列名。

以下是示例代码：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3],
                   'B': [1.1, 2.2, 3.3],
                   'C': ['a', 'b', 'c'],
                   'D': [True, False, True]})

# 使用dtypes属性获取每一列的数据类型
column_types = df.dtypes

# 使用条件筛选出数值类型的列名
numeric_columns = column_types[column_types == 'int64'].index.tolist()

print(numeric_columns)

输出结果为：['A']

以上代码中，创建了一个示例DataFrame，其中包含了不同类型的列。通过调用`df.dtypes`获取到每一列的数据类型，并将结果存储在`column_types`中。然后，使用条件筛选出数值类型（这里使用'int64'表示整数类型）的列名，并将结果转换成列表形式存储在`numeric_columns`中。最后，打印出`numeric_columns`的值。根据示例DataFrame，输出结果为['A']，表示'A'列是数值类型的列。