Python 在DataFrame中组合多种数据类型

我希望根据数据是否为数字来组合数据框中的列，例如：

import pandas as pd
import numpy as np

x = {'a':[1,2], 'b':['foo','bar'],'c':[np.pi,np.e]}
y = pd.DataFrame.from_dict(x)
y.apply(lambda x: x.sum() if x.dtype in (np.int64,np.float64) else x.min())

这会给出所需的输出，但似乎应该有更好的方法来写入最后一行。是否有一种简单的方法来检查数字是否为numpy标量类型，而不是检查数据类型是否在指定的numpy数据类型列表中？

您可以使用：

您可以使用：

---

与其在这里应用，我可能会用一个简单的列表来检查每一列是否是数字的，并将这些路径分开，然后再将它们合并回来。对于较大的帧，这将更有效

In [11]: numeric = np.array([dtype in [np.int64, np.float64] for dtype in y.dtypes])

In [12]: numeric
Out[12]: array([True, False, True])

可能有一个is\u numeric\u dtype函数，但我不确定它在哪里

现在，您可以关注这些并可能重新编制索引：

In [15]: pd.concat([y.iloc[:, numeric].sum(), y.iloc[:, ~numeric].min()]).reindex(y.columns)
Out[15]: 
a           3
b         bar
c    5.859874
dtype: object

---

与其在这里应用，我可能会用一个简单的列表来检查每一列是否是数字的，并将这些路径分开，然后再将它们合并回来。对于较大的帧，这将更有效

In [11]: numeric = np.array([dtype in [np.int64, np.float64] for dtype in y.dtypes])

In [12]: numeric
Out[12]: array([True, False, True])

可能有一个is\u numeric\u dtype函数，但我不确定它在哪里

现在，您可以关注这些并可能重新编制索引：

In [15]: pd.concat([y.iloc[:, numeric].sum(), y.iloc[:, ~numeric].min()]).reindex(y.columns)
Out[15]: 
a           3
b         bar
c    5.859874
dtype: object

---

df.\u获取数字数据\u谢谢你们两位。这个私有方法真的很管用。df.\u获取\u数值\u数据谢谢你们两位。这种私有方法确实起到了作用。