如何获取Pandas DataFrame中非float类型的列名列表？

没问题，你已经走了一半啦！要从那个布尔数组拿到对应的列名，其实只需要用布尔索引直接筛选DataFrame的列名就行，这里有几种简单好懂的方法：

方法一：基于你已有的布尔数组改造 #

你已经生成了categorical这个布尔标记数组，直接用它来索引df.columns就能得到目标列名，最后转成列表就搞定：

import pandas as pd
import numpy as np

# 假设你的DataFrame已经定义好
categorical_mask = (df.dtypes.values != np.dtype('float64'))
non_float_columns = df.columns[categorical_mask].tolist()

解释下：df.columns是所有列名的索引对象，用布尔数组过滤后，.tolist()会把它转成普通的Python列表，这就是你要的结果。

方法二：更简洁的直接判断写法 #

其实不用绕numpy的dtype，pandas本身支持直接判断列类型，代码更清爽：

non_float_columns = df.columns[df.dtypes != 'float64'].tolist()

方法三：一步到位的优雅写法 #

还可以用select_dtypes方法直接排除指定类型，可读性拉满：

non_float_columns = df.select_dtypes(exclude=['float64']).columns.tolist()

这个方法直接告诉pandas「排除float64类型的列」，然后取剩下的列名转成列表，新手也能一眼看懂。

举个例子验证 #

拿个测试DataFrame试试效果：

df = pd.DataFrame({
    'col1': [1,2,3],                  # int类型
    'col2': [1.1,2.2,3.3],            # float64类型
    'col3': ['a','b','c'],            # object类型
    'col4': pd.Categorical(['x','y','z'])  # 分类类型
})

# 用方法三执行
print(df.select_dtypes(exclude=['float64']).columns.tolist())
# 输出：['col1', 'col3', 'col4']

完全符合预期，拿到了所有非float64的列名。

内容的提问来源于stack exchange，提问作者yogz123