如何将DataFrame列按数值、分类、日期时间类型拆分？

筛选日期时间列的正确方式 #

你之前用include=['datetime']得到空结果，是因为pandas中日期时间类型的实际标识是datetime64[ns]（而非单纯的datetime）。直接用以下代码即可筛选出所有日期时间列：

date_cols = df.select_dtypes(include=['datetime64'])

如果需要更精确匹配（比如带时区的日期时间），可以指定具体类型：

# 匹配带时区的日期时间列
date_cols = df.select_dtypes(include=['datetime64[ns, UTC]'])

处理字符串格式的日期列 #

如果你的日期列当前是字符串类型（object dtype），需要先将其转换为日期时间类型，再进行筛选：

# 将指定字符串列转为日期时间类型，errors='coerce'会把无效值转为NaT
df['your_date_column'] = pd.to_datetime(df['your_date_column'], errors='coerce')
# 再次筛选日期时间列
date_cols = df.select_dtypes(include=['datetime64'])

分类列的筛选方法 #

分类列可以直接通过category类型筛选：

cat_cols = df.select_dtypes(include=['category'])

如果你的分类列是字符串标签（object dtype），可以先转换为分类类型再筛选：

df['your_category_column'] = df['your_category_column'].astype('category')
cat_cols = df.select_dtypes(include=['category'])

完整拆分示例 #

import pandas as pd

# 拆分数值列
numeric_cols = df.select_dtypes(include=['int64', 'float64'])
# 拆分日期时间列
datetime_cols = df.select_dtypes(include=['datetime64'])
# 拆分分类列
category_cols = df.select_dtypes(include=['category'])

内容的提问来源于stack exchange，提问作者Manoranjini M