如何用单行代码获取pandas DataFrame所有数值类型列名？

方法1：使用select_dtypes（最简洁高效） #

pandas的select_dtypes方法专门用于按数据类型筛选列，指定include='number'会匹配所有数值类型（包括int8/uint16/float32等所有尺寸的子类型），单行即可提取列名列表：

import numpy as np
import pandas as pd

test_df = pd.DataFrame(data=[{"str_col": "some string",
                              "int_col": 0,
                              "float_col": 3.1415,
                              "uint_col": np.uint8(255)}])

# 单行代码
numeric_columns = test_df.select_dtypes(include='number').columns.tolist()
print(numeric_columns)  # 输出: ['int_col', 'float_col', 'uint_col']

方法2：基于dtypes与np.issubdtype #

如果需要基于dtypes做底层类型检测，可利用np.issubdtype判断列类型是否属于数值类型的子类，避免仅匹配特定尺寸的int/float：

# 单行代码
numeric_columns = test_df.dtypes[test_df.dtypes.apply(lambda dtype: np.issubdtype(dtype, np.number))].index.tolist()
print(numeric_columns)  # 输出: ['int_col', 'float_col', 'uint_col']

说明 #

• 两种方法都支持大表（数百列）的向量化处理，无性能瓶颈
• select_dtypes直观易读，是官方推荐的常规用法
• np.issubdtype能精准判断类型继承关系，覆盖所有数值子类型

内容的提问来源于stack exchange，提问作者mirekphd