Pandas使用dtype筛选数值列无法匹配int64、float64类型问题

原有代码使用b[i].dtypes in ["int", "float"]做判断时，本质是将列的dtype对象和字符串做精确等值匹配。Pandas中不同位宽的数值类型对应的类型标识是带位宽后缀的（如int64、float64），和纯字符串"int"、"float"无法等值匹配，因此会漏匹配高位宽的数值列。手动枚举所有位宽类型的写法维护性差，也无法覆盖后续新增的可空数值类型（如pandas的Int64、Float32可空类型）。

方法1：使用pandas原生API（最稳妥） #

pandas自带的select_dtypes方法原生支持用类型简写匹配整类数值类型，无需枚举位宽，会自动覆盖所有位宽的整数、浮点列，也兼容可空数值类型：

# 直接筛选所有整数、浮点类型的列名，返回列表格式
a = b.select_dtypes(include=["int", "float"]).columns.tolist()

方法2：手动判断时使用dtype的kind属性 #

如果需要自定义列表推导逻辑，不要做字符串等值匹配，而是取dtype的kind属性做判断：所有有符号整数类型的kind值统一为'i'，所有浮点类型的kind值统一为'f'，和位宽无关：

# 如需包含无符号整数，可将'u'加入判断元组
a = [i for i in b.columns if b[i].dtype.kind in ("i", "f")]

注意：不要用str(b[i].dtype).contains("int")这类子串匹配的写法，容易误判名称中带int/float字样的非数值类型，稳定性差。

内容的提问来源于stack exchange，提问作者Furkan