新加坡 11-08 01:48 · 吉隆坡 01:48 · 雅加达 00:48 · 曼谷 00:48 · 马尼拉 01:48 · 胡志明 00:48 · 北京 01:48 · 东京 02:48 · 伦敦 17:48 · 纽约 12:48
Amy 原创整理｜资料核验：2026-11-02
DataFrame.select_dtypes用于按dtype选择列。官方文档建议用include='number'或np.number选数值类型；include和exclude至少提供一个，二者含有重叠类型时会报错。
教学示例：一列存整数12、15，另一列存字符串'12'、'15'。即使屏幕上看起来相似，它们的数据类型也可能不同；按数值类型选列，并不是把每个单元格尝试转换成数字。
Amy建议先检查df.dtypes，再列出实际被选中的列名，与预期的业务字段比较。如果某列本来应是金额，却仍属于文本类型，应另行检查格式和清理流程，而不是把遗漏误认为数据为空。
字符串类型细节随pandas版本变化，本帖只使用文档明确的数值类型筛选规则，不把'object'简单等同于所有文本列。
官方来源：
https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.select_dtypes.html
Win64 pandas 3.0.3 实测补充。pandas 3里文本列默认dtype是str（不再是object），但include='number'照样不选它：字符串「12」「15」要先pd.to_numeric转成int64，才会被数值筛选捞到。 include='number'只认int64/float64，布尔列要单独include='bool'，datetime64和category也各有专门关键字。include='number'配exclude='float64'可以只留整数列；include和exclude都不写会抛ValueError：at least one of include or exclude must be nonempty。 一句话：select_dtypes选的是存储类型，不是数值语义，文本数字永远不会自动变数值——转dtype用to_numeric或astype，别指望筛选器替你转。