仅识别数据框中列中的数值 - Python

Question

我想要一个单独的列，如果“ID ”列包含所有数字值，则返回“是”；如果包含字母或字母数字值，则返回“否”。ID      Result3965      Yeswyq8      NoRO_123    NoCMD_      No2976      Yes

Answer 1

你可以pd.Series.str.isnumeric在这里使用。

df['Result'] = np.where(df['ID'].str.isnumeric(), 'YES', 'NO')

       ID Result

0    3965    YES

1    wyq8     NO

2  RO_123     NO

3    CMD_     NO

4    2976    YES

isnumeric使用它不能识别数字有一个警告float。

test = pd.Series(["9.0", "9"])

test.str.isnumeric()

0    False

1     True

dtype: bool

如果您严格标记YESfor intthen 使用isnumericelse，您可以pd.Series.str.fullmatch在此处使用（从版本 1.1.0 开始）。

df['Result'] = np.where(df['ID'].str.fullmatch(r"\d+|\d+\.\d+", 'YES', 'NO')

对于版本<1.1.0，您使用re.fullmatch

df['Result'] = np.where(df['ID'].str.isnumeric(), 'YES', 'NO')

       ID Result

0    3965    YES

1    wyq8     NO

2  RO_123     NO

3    CMD_     NO

4    2976    YES

isnumeric使用它不能识别数字有一个警告float。

test = pd.Series(["9.0", "9"])

test.str.isnumeric()

0    False

1     True

dtype: bool

或者我们可以使用pd.to_numeric布尔掩码pd.Series.isna

m = pd.to_numeric(df['ID'], errors='coerce').isna()
df['Result'] = np.where(m, 'NO', 'YES')

如果errors参数设置为'coerce'无法转换为数字的值，则值将设置为Nan。

test = pd.Series(['3965', 'wyq8', 'RO_123', 'CMD_', '2976'])

pd.to_numeric(test)

0    3965.0

1       NaN

2       NaN

3       NaN

4    2976.0

Name: ID, dtype: float64

或者您可以构建自定义函数

def numeric(val):

    try:

        float(val)     # Using just `float` would suffice as int can be 

        return 'YES'   # converted to `float` so both `int`

                       # and `float` wouldnot raise any error

    except ValueError:

        return 'NO'

df['Result'] = df['ID'].apply(numeric)

注意：float也处理科学记数法，float("1e6")-> 1000000.0。

test = pd.Series(['1e6', '1', 'a 10', '1E6'])

test.apply(numeric)

0    YES

1    YES

2     NO

3    YES

dtype: object

Answer 2

检查是否ID包含non-digits并使用 反转布尔选择~。使用np.where, 分配选项

df['Result']=np.where(~df.ID.str.contains('(\D+)'),'Yes','N0')

     ID Result

0    3965    Yes

1    wyq8     N0

2  RO_123     N0

3    CMD_     N0

4    2976    Yes

正如@Cameron Riddell 所指出的。您还可以跳过布尔值反转并执行以下操作；

df['Result']=np.where(df.ID.str.contains('(\D+)'),'No','Yes')

Answer 3

您可以使用.isnumeric()方法：

df3["Result"] = df3["ID"].str.isnumeric().apply(lambda x: "No" if x == False else "Yes")