Python 如果变量包含的都是数字，如何知道它是分类变量还是数字变量？

我有一个数据集，它有几个

变量

---

我想确定我们如何判断一个变量是分类的还是数字的，而不是唯一值计数法，例如，我的一个变量疾病类型有31个唯一值，而另一个

变量距离
from
Office
有25个唯一值，都是数字形式。
.info（）
将给出每个变量的总计数以及它是否为非空及其数据类型，如
float64
，
object
，
int64
等。info（）
将给出每个变量的总计数以及它是否为非空及其数据类型，如
float64
，
object
，
int64
etc
简单的回答是：你对问题领域/应用领域的知识将告诉你

您需要寻找一些差异，但要应用这些差异，您仍然需要使用一些领域知识（有时是常识）

以下是一些有助于您区分的差异：

对于分类变量，允许的值集通常是固定的，并且很少改变（如果有的话）。相反，对于数值变量，值集可以更改，例如，当您收到同一数据集的新记录时
数值变量可能具有非整数的值。在您的示例中，即使“离办公室的距离”碰巧有整数值，这可能纯粹是偶然的，也可能是某些人对数据中需要多少数字精度的选择

对于分类变量，谈论平均值通常没有意义。例如，有两种类型的糖尿病称为1型，2型，但谈论这些类型的平均值（1.2357型？）是没有意义的
问自己这个拇指规则问题：当我进行数据分析时，我能用这个变量的特定值来表达我的推论吗？这个变量的范围如何（“0到5公里”、“5到10公里”等）。例如，我是否可以报告我的数据分析得出的结论，即“那些距离办公室123英里的人，在职业生涯中容易取得成功”？这个特定值听起来很傻，对吗？相反，若它是一个分类变量，比如2型糖尿病，你们总是可以根据具体值进行推断
简单的回答是：你对问题领域/应用领域的知识将告诉你

您需要寻找一些差异，但要应用这些差异，您仍然需要使用一些领域知识（有时是常识）

以下是一些有助于您区分的差异：

对于分类变量，允许的值集通常是固定的，并且很少改变（如果有的话）。相反，对于数值变量，值集可以更改，例如，当您收到同一数据集的新记录时
数值变量可能具有非整数的值。在您的示例中，即使“离办公室的距离”碰巧有整数值，这可能纯粹是偶然的，也可能是某些人对数据中需要多少数字精度的选择

对于分类变量，谈论平均值通常没有意义。例如，有两种类型的糖尿病称为1型，2型，但谈论这些类型的平均值（1.2357型？）是没有意义的
问自己这个拇指规则问题：当我进行数据分析时，我能用这个变量的特定值来表达我的推论吗？这个变量的范围如何（“0到5公里”、“5到10公里”等）。例如，我是否可以报告我的数据分析得出的结论，即“那些距离办公室123英里的人，在职业生涯中容易取得成功”？这个特定值听起来很傻，对吗？相反，若它是一个分类变量，比如2型糖尿病，你们总是可以根据具体值进行推断
检查
df.dtypes
是否尝试查看该dtype？@SandeepKadapa是的，默认情况下它们都是int。但是作为探索性数据分析的一部分，我必须将它们转换为合适的类别。@coldspeed是的，默认情况下它们都是int。但是作为探索性数据分析的一部分，我必须将它们转换为合适的类别。检查
df.dtypes
是否尝试查看数据类型？@SandeepKadapa是的，默认情况下它们都是int。但作为探索性数据分析的一部分，我必须将它们转换为合适的类别。@coldspeed是的，默认情况下它们都是int。但作为探索性数据分析的一部分，然后我必须将其转换为合适的类别。是的，dataframe.info（）将给出加载到dataframe中的默认数据类型。我正在寻找的是一种逻辑或数字方法，通过对变量所包含的数据进行分析来确定变量的类型，在我的例子中，这些数据都是数字，这样我就可以将其转换为适当的类型。是的，dataframe.info（）将给出加载到dataframe中的默认数据类型。我所寻找的是一种逻辑或数字方法，通过对它所包含的数据进行分析，找出变量的类型，在我的例子中，这些数据都是数字，这样我就可以将其转换为适当的类型。