你可以使用下面的基本语法在pandas DataFrame中只选择数字列：
import pandas as pd
import numpy as np
df.select_dtypes(include=np.number)
下面的例子展示了如何在实践中使用这个函数。
例子：在Pandas中只选择数字列
假设我们有如下的pandas DataFrame，其中包含了各种篮球运动员的信息：
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
'points': [18, 22, 19, 14, 14, 11, 20, 28],
'assists': [5, 7, 7, 9, 12, 9, 9, 4],
'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]})
#view DataFrame
print(df)
team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7 H 28 4 12
我们可以使用下面的语法来只选择DataFrame中的数字列：
import numpy as np
#select only the numeric columns in the DataFrame
df.select_dtypes(include=np.number)
points assists rebounds
0 18 5 11
1 22 7 8
2 19 7 10
3 14 9 6
4 14 12 6
5 11 9 5
6 20 9 9
7 28 4 12
注意，只有三个数字列被选中--得分、助攻和篮板。
我们可以通过使用**dtypes()**函数显示DataFrame中每个变量的数据类型来验证这些列是数值列：
#display data type of each variable in DataFrame
df.dtypes
team object
points int64
assists int64
rebounds int64
dtype: object
从输出中我们可以看到，球队是一个对象（即字符串），而得分、助攻和篮板都是数字。
请注意，我们也可以使用下面的代码来获得DataFrame中数字列的列表：
#display list of numeric variables in DataFrame
df.select_dtypes(include=np.number).columns.tolist()
['points', 'assists', 'rebounds']
这允许我们快速查看DataFrame中数字变量的名称，而不用看到它们的实际值。
其他资源
下面的教程解释了如何在pandas中执行其他常见任务：
