使用list(app_train.columns[list(app_train.dtypes.isin([np.int64, np.float64]))])list(app_train.columns[list(app_train.dtypes.isin(dtype_select))])與list(app_train.columns[list(app_train.dtypes.isin([np.dtype('int64')跑出的結果都不一致 - Cupoy

2019/09/05 上午 08:48

機器學習共學討論版

wu wenjr

觀看數：138

回答數：1

收藏數：1

ml100-3-d09

ml100-3

Hi All,

Day9解答中：

我用三種方法來測以下語法，三個方法找出來的答案都不一樣，

不知到為什麼？

numeric_columns1 = list(app_train.columns[list(app_train.dtypes.isin([np.int64, np.float64]))])

print("1 Numbers of remain columns " , len(numeric_columns1))

dtype_select = ['int64', 'float64']

numeric_columns2 = list(app_train.columns[list(app_train.dtypes.isin(dtype_select))])

print("2 Numbers of remain columns " , len(numeric_columns2))

numeric_columns3 = list(app_train.columns[list(app_train.dtypes.isin([np.dtype('int64'), np.dtype('float64')]))])

print("3 Numbers of remain columns " , len(numeric_columns3))

1 Numbers of remain columns  41 

2 Numbers of remain columns  65 

3 Numbers of remain columns  106

請問差別在那裡？

未何結果不一樣？

而且，有時重跑時(Jupyter restart)，前兩個答案會不一樣, 不知道為什麼？

不或大概可以推論用np.dtype() 因該是最好的方法。

回答列表

• 2019/09/05 下午 09:36
  張維元 (WeiYuan)
  贊同數：4
  不贊同數：0
  留言數：0

  嗨，這邊的 int64 或 float64 是有可能依照電腦規格改變的（不過同一台電腦應該不變，這邊我覺得很怪）。意思是在解答的電腦上資料是用 64 bit 作儲存，但在你的電腦可能是 32 bit。以下兩點建議：  

  
  

  (1) 先用 df.info() 或 df.describe() 的方式看一下欄位 

  (2) 用 np.dtype('int'), np.dtype('float') 定義類別比較好

  (3) 你可以比較這三者 type("int")、 type('np.dtype("int")')、type(np.int)