如何基于数据类型删除DataFrame列？移除object类型列报错求助

首先，咱们来拆解下你代码里的几个关键问题，这就是导致报错和功能失效的原因：

• data.values.type是错误写法：data.values返回的是numpy数组，它的类型属性是dtype，而且你要检查的是单列的数据类型，不是整个数组的类型，应该用data[cols].dtype来获取当前列的类型。
• drop方法缺少核心参数：你只指定了axis=1，但没告诉Pandas要删除哪一列，必须把当前列cols作为第一个参数传进去。
• inplace=True的误用：当设置inplace=True时，drop会直接修改原DataFrame，不会返回新对象，这时候把它赋值给numdata会得到None，完全不是你想要的结果。

方法1：更高效的Pandas原生写法（推荐，无需手动循环） #

Pandas自带的select_dtypes方法可以直接筛选指定类型的列，比手动循环简洁高效太多，特别适合重复在不同数据集上执行：

# 保留所有数值型字段（int、float、bool等）
numdata = data.select_dtypes(include=['number'])

如果你想明确排除object类型，也可以这么写：

numdata = data.select_dtypes(exclude=['object'])

一行代码就能搞定，可读性和执行效率都拉满。

方法2：修正后的循环写法 #

如果你坚持想用循环实现，这里是调整后的可用代码：

# 先复制原数据，避免循环中修改原数据导致迭代异常
numdata = data.copy()
for cols in data.columns:
    # 检查当前列是否为object类型
    if data[cols].dtype == object:
        # 删除目标列，赋值给新变量保留原数据
        numdata = numdata.drop(cols, axis=1)

这里做了几个关键修正：

• 遍历data.columns而非直接遍历data，逻辑更清晰
• 用data[cols].dtype正确获取列类型
• 先复制原数据，循环中修改副本，避免迭代过程中修改原数据引发的问题

补充说明 #

• select_dtypes的include参数支持多种类型，比如['int64', 'float64']可以更精准筛选数值类型
• 布尔型（bool）默认属于数值型范畴，如果不想保留，可以单独添加exclude=['bool']或者指定具体的数值类型

内容的提问来源于stack exchange，提问作者Nick Duddy