通过不同的dtype过滤数据框列元素（因为包含INT和STR以构成整个列和对象）

Question

我有一列当前具有Object的dtype。这是因为该列中0.2％的元素是字符串，而其余99.8％是整数。如何按dtype过滤数据框列？

（（我发现df.select_dtypes（include ='bool'）会返回df中具有布尔值的任何列，但我的问题是用dtype = Object标识了单个列，因为它是由INT和STR。）

df = pd.DataFrame([[1], [2], ['three']], columns=['A'])

Answer 1

如果数字和字符串混合，则可以测试type-通过isinstance：

m = df['A'].apply(lambda x: isinstance(x, int))
print (m)
0     True
1     True
2    False
Name: A, dtype: bool

或按type：

m = df['A'].apply(type) == int
print (m)
0     True
1     True
2    False
Name: A, dtype: bool

如果有所有字符串-如果可能，也使用数字to_numeric并转换为数字，否则缺少值，因此可以通过to_numeric进行测试：

Series.notna

以及最后一个由Series.notna过滤的内容：

df['A'] = pd.to_numeric(df['A'], errors='coerce')
m = df['A'].notna()