使用select_dtypes：

dataframe.select_dtypes('number').columns.tolist()

输出：

['A', 'B', 'D']

您可以使用.dtype然后使用.kind，同时使用list comprehension过滤column names。

# import pandas as pd
# df = pd.read_html('https://stackoverflow.com/questions/75909965')[0] # scraped your q

[c for c in df.columns if df[c].dtype.kind in 'iufc']

应该返回['A', 'B', 'D']。[注意 'iufc' 涵盖了有符号和无符号整数以及真实的和复数浮点数。如果你想涵盖布尔值，请添加b，因为它们是python中int的子类...]

根据Marcelo的评论，您可以用途：

from pandas.api.types import is_numeric_dtype

numeric_columns = []
for column in df.columns:
    if is_numeric_dtype(df[column]):
        numeric_columns.append(column)
print(numeric_columns)

另一个可能的解决方案：

import re

df.columns[
    [re.match(r'^(int|float)', x.name) != None for x in df.dtypes]].to_list()

输出：

['A', 'B', 'D']

使用以下函数：
首先选择所有数值列，然后查找列，最后转换为列表。
df.select _dtypes（include=“number”）.columns.to_list（）