Pandas: Wie identifiziert man Spalten mit einem dtype-Objekt, aber mit gemischten Typen?

Question

In einem Pandas-Dataframe kann eine Spalte mit dtype = object tatsächlich Elemente gemischter Typen enthalten, z. B. Integer und Strings.

In diesem Beispiel ist Spalte ein dtype Objekt, aber der erste Punkt ist Zeichenfolge während alle anderen int sind:

import numpy as np, pandas as pd 
df=pd.DataFrame() 
df['a']=np.arange(0,9) 
df.iloc[0,0]='test' 
print(df.dtypes) 
print(type(df.iloc[0,0])) 
print(type(df.iloc[1,0])) 

Meine Frage ist: ist es eine schnelle Möglichkeit, die mit dtype Spalten zu identifizieren = Objekt enthält in der Tat gemischte Typen wie oben? Da Pandas kein dtype = str haben, ist dies nicht sofort ersichtlich.

Ich habe jedoch Situationen gehabt, wo eine große CSV-Datei in Pandas importieren, ich eine Warnung wie bekommen würde:

sys:1: DtypeWarning: Columns (15,16) have mixed types. Specify dtype option on import or set low_memory=False 

Gibt es einen einfachen Weg, dies zu replizieren und explizit Liste die Spalten mit gemischtem Typen? Oder muss ich manuell nacheinander durchgehen, um zu sehen, ob ich sie in Strings usw. konvertieren kann?

Der Hintergrund ist, dass ich versuche, einen Datenrahmen zu einem Microsoft SQL Server mit DataFrame.to_sql und SQLAlchemy zu exportieren. Ich bekomme eine

OverflowError: int too big to convert 

aber mein Datenframe enthält keine Spalten mit dtype int - nur Objekt und float64. Ich vermute, das liegt daran, dass eine der Objektspalten sowohl Strings als auch Integer enthalten muss.

Danke!

Answer 1

Setup-

df = pd.DataFrame(np.ones((3, 3)), columns=list('WXY')).assign(Z='c') 
df.iloc[0, 0] = 'a' 
df.iloc[1, 2] = 'b' 

df 

    W X Y Z 
0 a 1.0 1 c 
1 1 1.0 b c 
2 1 1.0 1 c 

---

Lösung
alle Arten finden und wie viele Einzigen pro Spalte zählen.

df.loc[:, df.applymap(type).nunique().gt(1)] 

    W Y 
0 a 1 
1 1 b 
2 1 1