如何使用pandas或sklearn识别非分类数值型与回归类特征

判断非分类数值特征的核心逻辑有两个：一是列本身为数值类型（整数、浮点数等），二是列的唯一值占总样本的比例较高（分类特征通常唯一值数量极少，比如性别、等级类特征通常只有2-10种取值，回归类数值特征取值离散/连续且重复少）。以下分别给出pandas和sklearn的实现方案：

方法1：仅用pandas实现 #

步骤1：构造示例DataFrame #

import pandas as pd

df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': [224, 9978, 5],
    'C': ['A', 'B', 'D']
})

步骤2：特征筛选 #

你可以根据业务场景自定义唯一值占比阈值，以下示例阈值设置为0.8（即唯一值占总样本80%以上判定为非分类数值特征）：

# 第一步：筛选所有数值类型的列，排除字符串、对象类非数值列
numeric_cols = df.select_dtypes(include=['int64', 'float64']).columns.tolist()

# 第二步：按唯一值占比筛选非分类数值特征
threshold = 0.8
non_categorical_features = []
for col in numeric_cols:
    unique_ratio = df[col].nunique() / len(df)
    if unique_ratio > threshold:
        non_categorical_features.append(col)

print("非分类数值/回归类特征：", non_categorical_features)

上述代码在示例数据集的输出结果为['A', 'B']，如果A列是ID类无需保留，可额外加规则排除。

方法2：结合sklearn实现 #

可以用sklearn自带的目标类型推断工具直接判断：

import pandas as pd
from sklearn.utils.multiclass import type_of_target

non_categorical_features = []
for col in df.columns:
    # 先判断列是否为数值类型
    if pd.api.types.is_numeric_dtype(df[col]):
        # 类型为continuous即为连续/回归类数值特征
        if type_of_target(df[col]) == 'continuous':
            non_categorical_features.append(col)

print("非分类数值/回归类特征：", non_categorical_features)

注意：type_of_target默认判断为continuous的条件是数值型且唯一值数量大于10，或列类型为浮点数。如果你的数据集样本量小、数值唯一值少但确实属于回归类特征，可以自行调整判断规则。

内容的提问来源于stack exchange，提问作者jr123456jr987654321