Python 3.x 如何在数据帧中适当地测试数据类型？

目标：创建一个函数，使给定的数据类型与预先定义的数据类型场景相匹配

描述：我希望能够根据给定数据集的属性将其分类为预定义的场景类型

下面是两个示例数据集（

df_a

和

df_b

）

df_a

只有等于

'object'

的数据类型，而

df_b

既有

'object'

又有

'int64'

：

# scenario_a
data_a = [['tom', 'blue'], ['nick', 'green'], ['julia', 'red']]  
df_a = pd.DataFrame(data, columns = ['Name','Color']) 
df_a['Color'] = df_a['Color'].astype('object')

# scenario_b
data_b = [['tom', 10], ['nick', 15], ['julia', 14]]  
df_b = pd.DataFrame(data, columns = ['Name', 'Age'])

我希望能够自动确定基于某个函数的场景：

import pandas as pd
import numpy as np

def scenario(data):
    if data.dtypes.str.contains('object'):
        return scenario_a
    if data.dtypes.str.contatin('object', 'int64'):
        return scenario_b

以上是我到目前为止所做的，但没有得到我所希望的结果

当使用函数

scenario（df_a）

时，我希望结果是

scenario_a

，当我通过

df_b

时，我希望函数能够正确确定应该是什么场景

---

任何帮助都将不胜感激。

这里有一种方法。创建一个dict

scenarios

，其中的键是一个预定义数据类型的已排序的

元组

，该值是您希望函数返回的值

使用您的示例，例如：

# scenario a
data_a = [['tom', 'blue'], ['nick', 'green'], ['julia', 'red']]  
df_a = pd.DataFrame(data_a, columns = ['Name','Color']) 
df_a['Color'] = df_a['Color'].astype('object')

# scenario_b
data_b = [['tom', 10], ['nick', 15], ['julia', 14]]  
df_b = pd.DataFrame(data_b, columns = ['Name', 'Age'])

scenario_a = tuple(sorted(df_a.dtypes.unique()))
scenario_b = tuple(sorted(df_b.dtypes.unique()))

scenarios = {
    scenario_a: 'scenario_a',
    scenario_b: 'scenario_b'
}

print(scenarios)

# scenarios:
# {(dtype('O'),): 'scenario_a', (dtype('int64'), dtype('O')): 'scenario_b'}

def scenario(data):
    dtypes = tuple(sorted(data.dtypes.unique()))
    return scenarios.get(dtypes, None)

scenario(df_a)
# 'scenario_a'

scenario(df_b)
# scenario_b

---

如果您想坚持使用If contains返回样式，您可以尝试

map（str，data.dtypes.tolist（））

，它将为您提供一个要查询的字符串映射，例如map中的

“object”（str，data.dtypes.tolist（））

。