更多包含丰富源数据源代码的 Pandas 高阶操作，数据可视化，以及商业数据分析实战案例，尽在公众号 “ 数据分析与商业实践 ”
通过本文，你将知晓如何利用 Pandas 选出指定类型的所有列用于后续的探索性数据分析，这个方法在处理大表格时非常有用（如列非常多的金融类数据），如果能够较好的掌握精髓，将能大大提升数据评估与清洗的能力，为后续建模提供高质量的数据。
这个技巧并没有什么原理性的东西，所以这里直接呈现代码。
数据读入
统计列的各个类型的数量
选出类型为 object 的所有列
在机器学习与数学建模中，数据类型为 float 或者 int 的才好放入模型，像下图这样含有不少杂音的可不是我们想要的。当然，include=[“int”, “float”] 便表示选出这两个类型的所有列，你可以自行举一反三。
对 object 列们进行探索性数据分析
通过打印出来的信息，我们可以很快知道每一个 object 列大概需要怎么清洗，但许多优秀的数据分析师并不会马上着手操作，而是都先记录下来，最后再一起操作，毕竟可能有可以复用的代码或可以批量进行的快捷操作
这是笔者在进行金融数据分析清洗时的记录（根据上面的步骤后发现的需要对 object 类型列进行的操作）
- terms：字符串 month 去掉，可能需要适当的分箱
- int_rate(interesting rate)：去掉百分号
- emp_length：工作年限混入了 <，+ 等无关字符串，如 10+，<1 years 等，需要 先 replace 然后再 map 或者 apply 替换一下
- title： 该列分类太多，快两万，占到了数据集的 2/3，查找一些业务看看是否属于需要删去的无关变量
- addr_state：地址变量虽然只有 50 个分类，但似乎也无太大作用，探究删去
- earliest_cr_time：该列有 526 各类，可能需要根据业务知识进行离散化分箱
- home_ownership：房屋所有情况，全款支付了的给个1，其余的都给 0
- 未完待续…
先列出来再统一操作的好处是当发现处理错误或者需要更改方法时，还能快速找到自己当时的思路。
更多包含丰富源数据源代码的 Pandas 高阶操作，数据可视化，以及商业数据分析的原理+实战案例，尽在公众号 “ 数据分析与商业实践 ”
Pandas 的技巧看似琐碎，但积累到一定程度后，便可以发现许多技巧都存在共通之处。小事情重复做也会成为大麻烦，所以高手都懂得分类处理。
贯通了 3 个核心，我们才能省时省事，成为别人眼中的高手：
- 大量重复的工作懂得批处理。
- 反复要做的固定操作固化成 ” 模板 “，” 套路 “。
- 碰到异常情况，知道准确高效的解决。
后续会陆续更新 Python 场景实践的原理与代码实战
