Вы можете использовать метод dtype для проверки типа данных в Pandas в Python.

Вот пример кода:

import pandas as pd

# Создание примера DataFrame
data = {'Name': ['John', 'Alice', 'Bob'],
        'Age': [25, 30, 35],
        'Salary': [50000, 60000, 70000]}

df = pd.DataFrame(data)

# Проверка типа данных столбца 'Age'
print(df['Age'].dtype)

В результате вы получите тип данных столбца 'Age'.

Как проверить тип данных в Python Pandas

Python Pandas - это мощная библиотека для обработки и анализа данных. Одной из важных задач при работе с данными является проверка и изменение типов данных. В этой статье мы рассмотрим различные способы проверки типов данных в Python Pandas, чтобы помочь вам лучше понять данные, с которыми вы работаете.

Использование метода dtypes

Метод dtypes в Python Pandas позволяет получить информацию о типах данных каждого столбца в DataFrame. Он возвращает объект Series, где индексами являются названия столбцов, а значениями - типы данных.

import pandas as pd

# Создаем DataFrame
data = {'Имя': ['Алексей', 'Мария', 'Иван'],
        'Возраст': [25, 30, 35],
        'Зарплата': [50000, 70000, 60000]}

df = pd.DataFrame(data)

# Используем метод dtypes
print(df.dtypes)

В данном примере мы создаем DataFrame с тремя столбцами: "Имя", "Возраст" и "Зарплата". Затем мы используем метод dtypes для вывода типов данных каждого столбца. Результат будет следующим:

Имя         object
Возраст      int64
Зарплата     int64
dtype: object

Мы видим, что столбец "Имя" имеет тип данных object, а столбцы "Возраст" и "Зарплата" имеют тип данных int64.

Использование метода type

Еще один способ проверить тип данных столбца в Python Pandas - использовать метод type. Он возвращает тип данных данного столбца.

import pandas as pd

# Создаем DataFrame
data = {'Имя': ['Алексей', 'Мария', 'Иван'],
        'Возраст': [25, 30, 35],
        'Зарплата': [50000, 70000, 60000]}

df = pd.DataFrame(data)

# Используем метод type
print(type(df['Имя']))

В этом примере мы используем метод type для столбца "Имя". Результат будет следующим:

<class 'pandas.core.series.Series'>

Мы видим, что тип данных столбца "Имя" - это pandas.core.series.Series.

Использование метода select_dtypes

Метод select_dtypes в Python Pandas позволяет выбрать столбцы на основе их типов данных. Он принимает список или кортеж типов данных и возвращает DataFrame, содержащий только столбцы указанных типов.

import pandas as pd

# Создаем DataFrame
data = {'Имя': ['Алексей', 'Мария', 'Иван'],
        'Возраст': [25, 30, 35],
        'Зарплата': [50000, 70000, 60000]}

df = pd.DataFrame(data)

# Используем метод select_dtypes
numeric_cols = df.select_dtypes(include=['int64'])
print(numeric_cols)

В этом примере мы используем метод select_dtypes для выбора столбцов типа данных "int64". Результатом будет новый DataFrame, содержащий только столбцы "Возраст" и "Зарплата".

Мы видим, что только столбцы "Возраст" и "Зарплата" были выбраны, как указано в параметре include метода select_dtypes.

Заключение

В этой статье мы рассмотрели несколько способов проверки типов данных в Python Pandas. Мы использовали методы dtypes, type и select_dtypes для получения информации о типах данных столбцов и выбора столбцов на основе их типов. Эти методы помогут вам лучше понять и работать с данными, с которыми вы работаете в Python Pandas.