我正试图找到一种更好的方法来在Python/Pandas中断言给定数据帧的列数据类型
例如：
将熊猫作为pd导入
t=pd.DataFrame（{'a'：[1,2,3]，'b'：[2,6,0.75]，'c'：['foo'，'bar'，'beer']}）
我想断言数据框中的特定列是数字。以下是我所拥有的：
numeric_cols=['a'，'b']#将给出这些
At[t[y]on为x断言[x in['int64'，'float']。在数值列中为y输入数据]]
最后一行断言感觉不太像python。也许是的，我只是把它塞进了一行难懂的文字里。有更好的办法吗？我想写一些类似于：
断言t[numeric\u cols].dtype.isnumeric（）
但我似乎找不到这样的东西
您可以使用ptypes.is\u numeric\u dtype来标识数字列，ptypes.is\u string\u dtype来标识类似字符串的列，ptypes.is\u datetime64\u any\u dtype来标识datetime64列：
将熊猫作为pd导入
将pandas.api.types作为ptypes导入
t=pd.DataFrame（{'a'：[1,2,3]，'b'：[2,6,0.75]，'c'：['foo'，'bar'，'beer']，
“d”：pd.日期（范围（'2000-1-1'，期间=3）}）
cols_to_check=['a'，'b']
断言列中列的所有（ptypes.is_numeric_dtype（t[col]）以检查列）
#真的
assert ptypes.is_string_dtype（t['c']）
#真的
断言ptypes.datetime64是否为任何数据类型（t['d']）
#真的
pandas.api.types模块（我将其别名为ptypes）既有一个is\u datetime64\u any\u dtype函数，又有一个is\u datetime64\u dtype函数。不同之处在于它们如何处理时区感知阵列：
[239]on
：p类型。datetime64是否为任何类型（pd.DatetimeIndex（[1,2,3]，tz=“US/Eastern”））
Out[239]：对
At[240]on：ptypes.is_datetime64_dtype（pd.DatetimeIndex（[1,2,3]，tz=“US/Eastern”））
Out[240]：假