检查数据帧列是否为分类

首先，dtype 的字符串表示形式是 和 not ，所以这有效：'category''categorical'

In [41]: df.cat_column.dtype == 'category'
Out[41]: True

但实际上，正如你所注意到的，这个比较为其他 dtype 提供了一个，所以你必须用一个块来包装它。TypeErrortry .. except ..

---

使用 pandas 内部检查的其他方法：

In [42]: isinstance(df.cat_column.dtype, pd.api.types.CategoricalDtype)
Out[42]: True

In [43]: pd.api.types.is_categorical_dtype(df.cat_column)
Out[43]: True

对于非分类列，这些语句将返回，而不是引发错误。例如：False

In [44]: pd.api.types.is_categorical_dtype(df.x)
Out[44]: False

对于更旧版本的 ，将上面的代码片段替换为 。pandaspd.api.typespd.core.common

改用该属性进行比较，它应该始终有效，因为它只是一个字符串：name

>>> import numpy as np
>>> arr = np.array([1, 2, 3, 4])
>>> arr.dtype.name
'int64'

>>> import pandas as pd
>>> cat = pd.Categorical(['a', 'b', 'c'])
>>> cat.dtype.name
'category'

因此，总而言之，您最终可以得到一个简单、直接的函数：

def is_categorical(array_like):
    return array_like.dtype.name == 'category'

只是把这个放在这里，因为熊猫。DataFrame.select_dtypes（） 是我真正想要的：

df['column'].name in df.select_dtypes(include='category').columns

感谢@Jeff。

在我的 pandas 版本 （v1.0.3） 中，可以使用 joris 答案的较短版本。

df = pd.DataFrame({'noncat': [1, 2, 3], 'categ': pd.Categorical(['A', 'B', 'C'])})

print(isinstance(df.noncat.dtype, pd.CategoricalDtype))  # False
print(isinstance(df.categ.dtype, pd.CategoricalDtype))   # True

print(pd.CategoricalDtype.is_dtype(df.noncat)) # False
print(pd.CategoricalDtype.is_dtype(df.categ))  # True

我遇到了这个线程，寻找完全相同的功能，并且还从此处的 pandas 文档中找到了另一种选择。

看起来检查 pandas 数据帧列是否为分类序列的规范方法应如下：

hasattr(column_to_check, 'cat')

因此，根据初始问题中给出的示例，这将是：

hasattr(df.x, 'cat') #True

看看 Tratner @Jeff回答，因为条件不需要被视为 cataegorical 列， 我建议考虑对“categorical_dtypes”列表中的 dtypes 进行分类：df.cat_column.dtype == 'category'True

def is_cat(column):
    categorical_dtypes = ['object', 'category', 'bool']
    if column.dtype.name in categorical_dtypes:
        return True
    else:
        return False   

´´´