Necesito usar diferentes funciones para tratar columnas numéricas y columnas de cadena. Lo que estoy haciendo ahora es realmente tonto:
allc = list((agg.loc[:, (agg.dtypes==np.float64)|(agg.dtypes==np.int)]).columns) for y in allc: treat_numeric(agg[y]) allc = list((agg.loc[:, (agg.dtypes!=np.float64)&(agg.dtypes!=np.int)]).columns) for y in allc: treat_str(agg[y]) ¿Hay una manera más elegante de hacer esto? P.ej
for y in agg.columns: if(dtype(agg[y]) == 'string'): treat_str(agg[y]) elif(dtype(agg[y]) != 'string'): treat_numeric(agg[y])
Puede acceder al tipo de datos de una columna con dtype :
for y in agg.columns: if(agg[y].dtype == np.float64 or agg[y].dtype == np.int64): treat_numeric(agg[y]) else: treat_str(agg[y])
En pandas 0.20.2 puedes hacer:
from pandas.api.types import is_string_dtype from pandas.api.types import is_numeric_dtype is_string_dtype(df['A']) >>>> True is_numeric_dtype(df['B']) >>>> True
Entonces tu código se convierte en:
for y in agg.columns: if (is_string_dtype(agg[y])): treat_str(agg[y]) elif (is_numeric_dtype(agg[y])): treat_numeric(agg[y])
Sé que esto es un poco de un hilo viejo, pero con pandas 19.02, puedes hacer:
df.select_dtypes(include=['float64']).apply(your_function) df.select_dtypes(exclude=['string','object']).apply(your_other_function)
http://pandas.pydata.org/pandas-docs/version/0.19.2/generated/pandas.DataFrame.select_dtypes.html
Si desea marcar el tipo de una columna de dataframe como una cadena, puede hacer:
df['A'].dtype.kind
Un ejemplo:
In [8]: df = pd.DataFrame([[1,'a',1.2],[2,'b',2.3]]) In [9]: df[0].dtype.kind, df[1].dtype.kind, df[2].dtype.kind Out[9]: ('i', 'O', 'f')
La respuesta para tu código:
for y in agg.columns: if(agg[y].dtype.kind == 'f' or agg[y].dtype.kind == 'i'): treat_numeric(agg[y]) else: treat_str(agg[y])