查看每列的數據類型，方便分析是否需要數據類型轉換

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

要查看指定列的數據類型，可以使用 Pandas 的 .dtypes 屬性或 .dtype 屬性。以下是具體方法：

---

方法 1：查看單列的數據類型

如果你只想查看某一個特定列的數據類型，可以直接訪問該列并使用 .dtype：

import pandas as pd# 示例數據
data = {'A': [1, 2, 3], 'B': ['x', 'y', 'z'], 'C': [1.1, 2.2, 3.3]}
df = pd.DataFrame(data)# 查看列 'A' 的數據類型
print(df['A'].dtype)

輸出：

int64

---

方法 2：查看所有列的數據類型

如果你想查看整個 DataFrame 中所有列的數據類型，可以使用 .dtypes：

# 查看所有列的數據類型
print(df.dtypes)

輸出：

A     int64
B    object
C    float64
dtype: object

---

方法 3：結合 info() 查看詳細信息

info() 方法不僅可以查看每列的數據類型，還可以顯示非空值的數量等信息：

# 查看 DataFrame 的詳細信息
df.info()

輸出示例：

<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：檢查某一列是否為特定類型

如果需要判斷某一列是否屬于某種數據類型（如 datetime 或 float），可以結合條件判斷：

# 檢查列 'A' 是否為整數類型
if df['A'].dtype == 'int64':print("列 A 是整數類型")
else:print("列 A 不是整數類型")

---

常見數據類型說明

在 Pandas 中，常見的數據類型包括：

• int64：整數類型。
• float64：浮點數類型。
• object：通常表示字符串或其他混合類型。
• datetime64[ns]：日期時間類型。
• bool：布爾類型。

---

總結

• 使用 .dtype 查看單列的數據類型。
• 使用 .dtypes 查看所有列的數據類型。
• 使用 .info() 獲取更詳細的列信息。
• 如果需要進一步判斷類型，可以結合條件語句進行檢查。

通過這些方法，你可以輕松查看和驗證 DataFrame 列的數據類型！