Pandas判断dtype时category与float64表现不同的原因是什么

df[i].dtypes返回的是dtype类型对象而非纯字符串，两类数据类型的底层实现差异导致了报错：

• float64属于numpy原生支持的数值类型，numpy的dtype对象在和字符串做相等判断、in匹配时，内部做了兼容隐式转换，所以df[i].dtypes in ['float64']可以正常运行。
• category是Pandas自定义的扩展数据类型，不属于numpy原生的dtype识别范围，在对应版本的运行环境中，Pandas的CategoricalDtype对象和字符串'category'做in列表匹配时，numpy底层的类型校验逻辑无法识别该自定义类型，直接抛出TypeError。

写法1：先转字符串再判断 #

for i in df.columns:
    if str(df[i].dtype) == 'category':
        print(i)

写法2：用Pandas官方类型校验API（兼容性最高） #

import pandas as pd
for i in df.columns:
    if pd.api.types.is_categorical_dtype(df[i]):
        print(i)

写法3：直接用内置类型筛选（无需手动循环） #

# 直接获取所有分类类型列名
cat_cols = df.select_dtypes(include='category').columns.tolist()
# 直接获取所有数值类型列名
num_cols = df.select_dtypes(include='number').columns.tolist()

内容的提问来源于stack exchange，提问作者EBDS