Как дропнуть те столбцы, которые имеют числовые значения или стринговые значения?

import pandas as pd
 
df = pd.DataFrame.from_dict({'Name'  : ['May21', 'James', 'Adi22', 'Hello', 'Girl90'],
                             'Volume': [23, 12, 11, 0, 56],
                             'Value' : [21321, 12311, 4435, 32454, 654654]})
print(df)
 
     Name  Volume   Value
0   May21      23   21321
1   James      12   12311
2   Adi22      11    4435
3   Hello       0   32454
4  Girl90      56  654654

from pandas.api.types import is_numeric_dtype
df.drop([column for column in df.columns if is_numeric_dtype(df.dtypes[column])], axis =1)

df.dtypes
 
Name      object
Volume     int64
Value      int64
dtype: object

from pandas.api.types import is_string_dtype
df.drop([column for column in df.columns if is_string_dtype(df[column])], axis =1)

lst = [['MSSubClass', 'MSZoning', 'LotArea', 'Street', 'LotShape', 'LandContour', 'Utilities', 'LotConfig', 'LandSlope', 'Neighborhood', 'Condition1', 'Condition2', 'BldgType', 'HouseStyle', 'OverallQual', 'OverallCond', 'YearBuilt', 'YearRemodAdd', 'RoofStyle', 'RoofMatl', 'Exterior1st', 'Exterior2nd', 'MasVnrType', 'MasVnrArea', 'ExterQual', 'ExterCond', 'Foundation', 'BsmtQual', 'BsmtCond', 'BsmtExposure', 'BsmtFinType1', 'BsmtFinSF1', 'BsmtFinType2', 'BsmtFinSF2', 'BsmtUnfSF', 'TotalBsmtSF', 'Heating', 'HeatingQC', 'CentralAir', 'Electrical', '1stFlrSF', '2ndFlrSF', 'LowQualFinSF', 'GrLivArea', 'BsmtFullBath', 'BsmtHalfBath', 'FullBath', 'HalfBath', 'BedroomAbvGr', 'KitchenAbvGr', 'KitchenQual', 'TotRmsAbvGrd', 'Functional', 'Fireplaces', 'GarageType', 'GarageYrBlt', 'GarageFinish', 'GarageCars', 'GarageArea', 'GarageQual', 'GarageCond', 'PavedDrive', 'WoodDeckSF', 'OpenPorchSF', 'EnclosedPorch', '3SsnPorch', 'ScreenPorch', 'PoolArea', 'MiscVal', 'MoSold', 'YrSold', 'SaleType', 'SaleCondition', 'SalePrice'], ['60', 'RL', '8450', 'Pave', 'Reg', 'Lvl', 'AllPub', 'Inside', 'Gtl', 'CollgCr', 'Norm', 'Norm', '1Fam', '2Story', '7', '5', '2003', '2003', 'Gable', 'CompShg', 'VinylSd', 'VinylSd', 'BrkFace', '196', 'Gd', 'TA', 'PConc', 'Gd', 'TA', 'No', 'GLQ', '706', 'Unf', '0', '150', '856', 'GasA', 'Ex', 'Y', 'SBrkr', '856', '854', '0', '1710', '1', '0', '2', '1', '3', '1', 'Gd', '8', 'Typ', '0', 'Attchd', '2003', 'RFn', '2', '548', 'TA', 'TA', 'Y', '0', '61', '0', '0', '0', '0', '0', '2', '2008', 'WD', 'Normal', '208500'], ['20', 'RL', '9600', 'Pave', 'Reg', 'Lvl', 'AllPub', 'FR2', 'Gtl', 'Veenker', 'Feedr', 'Norm', '1Fam', '1Story', '6', '8', '1976', '1976', 'Gable', 'CompShg', 'MetalSd', 'MetalSd', 'None', '0', 'TA', 'TA', 'CBlock', 'Gd', 'TA', 'Gd', 'ALQ', '978', 'Unf', '0', '284', '1262', 'GasA', 'Ex', 'Y', 'SBrkr', '1262', '0', '0', '1262', '0', '1', '2', '0', '3', '1', 'TA', '6', 'Typ', '1', 'Attchd', '1976', 'RFn', '2', '460', 'TA', 'TA', 'Y', '298', '0', '0', '0', '0', '0', '0', '5', '2007', 'WD', 'Normal', '181500']]
 
Это list с колонками и мы преобразуем в DataFrame pd_data. У меня не получилось все данные списка вместить, поэтому такой сокращенный вариант.
 
 
from pandas.api.types import is_string_dtype
def split_str_nums(data):
 
    lst_integer = []
    type_of_string = data.drop([column for column in data.columns if is_string_dtype(data.dtypes[column])], axis =1)
    print(type_of_integer)
    
 
str_data=split_str_nums(pd_data)
 
 
Вывод:
Empty DataFrame
Columns: []
Index: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 41, 42, 43, 44, 45, 46, 47, 48, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 80, 81, 82, 83, 84, 85, 86, 87, 88, 92, 93, 94, 95, 96, 97, 98, 99, 101, 102, 104, 105, 106, 107, 108, 110, ...]
 
[1338 rows x 0 columns]

from pandas.api.types import is_string_dtype
 
res = pd_data.drop([column for column in pd_data.columns if is_string_dtype(pd_data.dtypes[column])], axis =1)
print(res)
 
Вывод:
Empty DataFrame
Columns: []
Index: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 41, 42, 43, 44, 45, 46, 47, 48, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 80, 81, 82, 83, 84, 85, 86, 87, 88, 92, 93, 94, 95, 96, 97, 98, 99, 101, 102, 104, 105, 106, 107, 108, 110, ...]
 
[1338 rows x 0 columns]

print(pd_data.head())
print(pd_data.info(verbose=True))

print(df.head())
print(pd_data .info(verbose=True)

res = pd_data.drop([column for column in pd_data.columns if is_string_dtype(pd_data.dtypes[column])], axis =1)

res = pd_data.drop([column for column in pd_data.columns if is_string_dtype(pd_data[column])], axis =1)