我有一个数据框，其中大多数列都是varchar/object类型。列的长度变化很大，可以是3-1000+范围内的任何值。现在，对于每一列，我想测量最大长度
我知道如何计算列的最大长度。如果是varchar，则：
最大值（df.char\u col.apply（len））
如果其编号为（float8或int64），则：
max（df.num\u col.map（str.apply（len））
但是我的dataframe有数百列，我想同时计算所有列的最大长度。问题是，有不同的数据类型，我不知道如何一次完成所有工作
问题1：如何为数据帧中的每列获取最大列长度
现在，我尝试使用以下代码仅对varchar/对象类型列执行此操作：
xx=df。选择数据类型（包括=['object']）
对于[xx.columns.values]on 列：
maxlength=[max（xx.col.apply（len））]
我只选择了对象类型列，并尝试编写for循环。但它不起作用。在for循环中使用apply（）可能不是一个好主意
问题2：如何仅为对象类型列获取每列的最大长度
示例数据帧：
d1={'name'：['john'、'tom'、'bob'、'rock'、'jimy']、'DoB'：['01/02/2010'、'01/02/2012'、'11/22/2014'、'11/22/2014'、'09/25/2016']、'Address'：['NY'、'NJ'、'PA'、'NY'、'CA']、'comment1'：['Very good good good performance'、'N/A'、'需要努力工作'、'Now comments'、'Not successful'、'Comment[‘良好’、‘符合预期’、‘不适用’、‘不称职’]
df1=pd.DataFrame（数据=d1）
df1['month']=pd.DatetimeIndex（df1['DoB']].month
df1['year']=pd.DatetimeIndex（df1['DoB']）.year
一种解决方案是使用numpy.vectorize。这可能比基于pandas的解决方案更有效
您可以使用pd.DataFrame。选择数据类型以选择对象列
将熊猫作为pd导入
将numpy作为np导入
df=pd.DataFrame（{'A'：['abc'，'de'，'abcd']，
“B”：[“a”、“abcde”、“abc”]，
‘C’：[1,2.5,1.5]}）
测量器=np.矢量化（len）
所有列的最大长度
res1=measurer（df.values.astype（str））.max（axis=0）
数组（[4,5,3]）
对象列的最大长度
res2=measurer（df.select\u数据类型（include=[object]）.values.astype（str））.max（axis=0）
数组（[4,5]）
或者，如果您需要输出为字典：
res1=dict（zip（测向，测量器（测向值，astype（str））.max（轴=0）））
{'A'：4，'B'：5，'C'：3}
df\u object=df。选择\u数据类型（包括=[object]）
res2=dict（zip（df_对象，measurer（df_对象.values.astype（str））.max（axis=0）））
{'A'：4，'B'：5}