获取具有对象或分类数据类型的列名列表答案

【问题标题】：Get list of column names having either object or categorical dtype获取具有对象或分类数据类型的列名列表
【发布时间】：2021-07-12 22:20:08
【问题描述】：

我的目标是获取一个列表对象：['assetCode', 'assetName']，其中的内容是基于多个条件检索的Panda.series 的标签。我试过了：

tmp3 = datatype[datatype == 'object' | datatype == 'category'].index # extract label from Pandas.series

这给出了错误：TypeError: cannot compare a dtyped [object] array with a scalar of type [bool]

然而，虽然不太优雅，但我找到了以下两个可行的解决方案：

tmp2 = datatype[datatype == 'object'].index # extract label from Pandas.series
tmp2[0]
'assetCode'


tmp1 = datatype[datatype == 'category'].index # extract label from Pandas.series
tmp1[0]
'assetName'

如何将这两个字符串组合成一个列表对象？有没有比我尝试的方式更好的方式来实现这个目标？

【问题讨论】：

这是由于运算符优先级，您必须在每个条件之间放置一个括号，如下面的答案所示。

标签： python pandas dataframe types

【解决方案1】：

设置

df

   A  B  C
0  8  4  2
1  8  8  6
2  8  5  2

datatype = df.dtypes
datatype

A      object
B    category
C       int64
dtype: object

您似乎正在尝试从某些 DataFrame 中选择对象和分类列（此处未显示）。要修复您的代码，请使用：

tmp3 = datatype[(datatype == 'object') | (datatype == 'category')].index.tolist()
tmp3
#  ['A', 'B']

由于位运算符具有更高的优先级，因此您需要在对掩码进行 OR 运算之前使用括号。之后，索引工作正常。

要获取列表，请致电.index.tolist()。

另一种解决方案是select_dtypes:

df.select_dtypes(include=['object', 'category'])

   A  B
0  8  4
1  8  8
2  8  5

df.select_dtypes(include=['object', 'category']).columns
# ['A', 'B']

这避免了对中间datatype 系列的需求。

【讨论】：