如何断言整个DataFrame仅包含数值类型？含最简实现方法

要快速验证你的DataFrame里所有列都是数值类型，其实有几种简洁的实现方式，我给你整理了最实用的两种：

方法一：利用select_dtypes快速判断（最简写法） #

这是最直观的思路——筛选出所有非数值类型的列，如果筛选结果为空，就说明整个DataFrame全是数值类型：

import pandas as pd

# 替换成你的DataFrame变量名
assert df.select_dtypes(exclude=['number']).empty, "DataFrame中存在非数值类型的列"

这里的'number'是Pandas内置的类型类别，涵盖了所有整数（int）、浮点数（float）、布尔值（bool）以及对应的numpy数值类型（比如np.int64、np.float32）。如果你的场景里不把布尔值当作数值，可以把exclude参数改成['int', 'float']。

方法二：用numpy类型检查更严谨 #

如果你需要更精细地控制数值类型的范围，可以用np.issubdtype逐个校验每一列的数据类型：

import pandas as pd
import numpy as np

assert all(np.issubdtype(dtype, np.number) for dtype in df.dtypes), "存在非数值类型的列"

np.issubdtype(dtype, np.number)会验证该数据类型是否属于numpy数值类型的子类，同样覆盖所有常见的数值类型。如果只想检查整数和浮点数、不想包含布尔值，可以把条件改成：

assert all(np.issubdtype(dtype, np.integer) or np.issubdtype(dtype, np.floating) for dtype in df.dtypes), "存在非数值类型的列"

测试示例 #

假设你有一个混合类型的DataFrame：

df = pd.DataFrame({
    'num_col1': [1, 2, 3],
    'num_col2': [4.5, 5.6, 6.7],
    'non_num_col': ['apple', 'banana', 'cherry']
})

运行上面的断言语句时，会直接抛出AssertionError并提示你设置的错误信息，帮你快速定位问题。

内容的提问来源于stack exchange，提问作者BirdLaw