如何批量删除DataFrame中的字符串类型列，无需逐个操作？

这问题我日常处理数据时经常碰到，完全不用手动逐个列名删除，pandas有现成的方法可以一步搞定，而且完美兼容带NaN的数值列，下面给你两种最常用的方案：

方案1：直接选择要保留的数值类型列 #

用select_dtypes()方法，指定要保留的整数和浮点类型，自动过滤掉字符串（object类型）列：

import pandas as pd

# 假设你的DataFrame名为df
filtered_df = df.select_dtypes(include=['int64', 'float64'])

注：如果你的整数列因为包含NaN被自动转为float类型也没关系，这个方法依然会保留它们，pandas会识别这些列的数值属性。

方案2：排除字符串类型列 #

如果想更直接，直接指定要排除的object类型（字符串列的默认类型），剩下的就是所有数值型列：

filtered_df = df.select_dtypes(exclude=['object'])

进阶技巧：通用数值类型匹配 #

如果你的数据里有其他数值类型（比如int32、float32），可以用'number'这个通用类型来匹配所有数值列，省得逐个列类型写：

filtered_df = df.select_dtypes(include='number')

要是不想保留布尔型（bool也是数值子类），可以再加排除条件：

filtered_df = df.select_dtypes(include='number', exclude=['bool'])

小提示 #

不确定各列类型的话，可以先执行print(df.dtypes)查看所有列的类型，确认哪些是object类型的字符串列，心里更有数。

内容的提问来源于stack exchange，提问作者samyil