查看每列的数据类型，方便分析是否需要数据类型转换

property DataFrame.dtypes[source] Return the dtypes in the DataFrame.

This returns a Series with the data type of each column. The result’s
index is the original DataFrame’s columns. Columns with mixed types
are stored with the object dtype. See the User Guide for more.

Returns : pandas.Series The data type of each column.

Examples

df = pd.DataFrame({‘float’: [1.0],
‘int’: [1],
‘datetime’: [pd.Timestamp(‘20180310’)],
‘string’: [‘foo’]}) df.dtypes float float64 int int64 datetime datetime64[ns] string
object dtype: object

要查看指定列的数据类型，可以使用 Pandas 的 .dtypes 属性或 .dtype 属性。以下是具体方法：

---

方法 1：查看单列的数据类型

如果你只想查看某一个特定列的数据类型，可以直接访问该列并使用 .dtype：

import pandas as pd# 示例数据
data = {'A': [1, 2, 3], 'B': ['x', 'y', 'z'], 'C': [1.1, 2.2, 3.3]}
df = pd.DataFrame(data)# 查看列 'A' 的数据类型
print(df['A'].dtype)

输出：

int64

---

方法 2：查看所有列的数据类型

如果你想查看整个 DataFrame 中所有列的数据类型，可以使用 .dtypes：

# 查看所有列的数据类型
print(df.dtypes)

输出：

A     int64
B    object
C    float64
dtype: object

---

方法 3：结合 info() 查看详细信息

info() 方法不仅可以查看每列的数据类型，还可以显示非空值的数量等信息：

# 查看 DataFrame 的详细信息
df.info()

输出示例：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):#   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  0   A       3 non-null      int64  1   B       3 non-null      object 2   C       3 non-null      float64
dtypes: float64(1), int64(1), object(1)
memory usage: 200.0+ bytes

---

方法 4：检查某一列是否为特定类型

如果需要判断某一列是否属于某种数据类型（如 datetime 或 float），可以结合条件判断：

# 检查列 'A' 是否为整数类型
if df['A'].dtype == 'int64':print("列 A 是整数类型")
else:print("列 A 不是整数类型")

---

常见数据类型说明

在 Pandas 中，常见的数据类型包括：

• int64：整数类型。
• float64：浮点数类型。
• object：通常表示字符串或其他混合类型。
• datetime64[ns]：日期时间类型。
• bool：布尔类型。

---

总结

• 使用 .dtype 查看单列的数据类型。
• 使用 .dtypes 查看所有列的数据类型。
• 使用 .info() 获取更详细的列信息。
• 如果需要进一步判断类型，可以结合条件语句进行检查。

通过这些方法，你可以轻松查看和验证 DataFrame 列的数据类型！