在类型为float或特定类型的Pandas中查找数据框的所有列？

Question

我有一个数据框df，其中有一些类型为float64的列，而其他的则是对象。由于混合性质，我不能使用

df.fillna('unknown') #getting error "ValueError: could not convert string to float:"

因为错误发生在类型为float64的列上（这是一个令人误解的错误消息！）

所以我希望我可以做类似的事情

for col in df.columns[<dtype == object>]:
    df[col] = df[col].fillna("unknown")

所以我的问题是，是否可以在df.columns中使用任何此类过滤器表达式？

我猜想也可以做些不太优雅的事情：

 for col in df.columns:
        if (df[col].dtype == dtype('O')): # for object type
            df[col] = df[col].fillna('') 
            # still puzzled, only empty string works as replacement, 'unknown' would not work for certain value leading to error of "ValueError: Error parsing datetime string "unknown" at position 0"

我也想知道为什么在上面的代码中用’unknown’替换’‘的代码对于某些单元格有效，但由于单元格错误而失败，错误为“
ValueError：解析日期时间字符串“ unknown”在位置0时出错”

非常感谢！

宇

Answer 1

您可以使用dtypes属性查看所有列的dtype：

In [11]: df = pd.DataFrame([[1, 'a', 2.]])

In [12]: df
Out[12]: 
   0  1  2
0  1  a  2

In [13]: df.dtypes
Out[13]: 
0      int64
1     object
2    float64
dtype: object

In [14]: df.dtypes == object
Out[14]: 
0    False
1     True
2    False
dtype: bool

要访问对象列：

In [15]: df.loc[:, df.dtypes == object]
Out[15]: 
   1
0  a

我认为使用起来最明确（我 不确定 inplace是否可以在这里使用）：

In [16]: df.loc[:, df.dtypes == object] = df.loc[:, df.dtypes == object].fillna('')

话虽如此，我建议您对缺失的数据使用NaN。