Pandas str.isnumeric() 的预期行为答案

【问题标题】：Expected behavior of Pandas str.isnumeric()Pandas str.isnumeric() 的预期行为
【发布时间】：2019-01-06 23:42:15
【问题描述】：

我有一个多类型系列 pd.Series 像 [100, 50, 0, foo, bar, baz]

当我运行pd.Series.str.isnumeric()

我收到[NaN, NaN, NaN, False, False, False]

为什么会这样？本系列前三个不应该返回True吗？

【问题讨论】：

【解决方案1】：

Pandas 字符串方法紧跟 Python 方法：

str.isnumeric(100)    # TypeError
str.isnumeric('100')  # True
str.isnumeric('a10')  # False

任何产生错误的类型都会给出NaN。根据 Python docs，str.isnumeric 仅适用于字符串：

str.isnumeric()
如果字符串中的所有字符都是数字字符，并且至少有一个字符，则返回true，false 否则。

根据 Pandas 的 docs，pd.Series.str.isnumeric 相当于 str.isnumeric：

Series.str.isnumeric()
检查Series/Index 中每个字符串中的所有字符是否都是数字。相当于str.isnumeric()。

您的系列有“object”dtype，这是一个包罗万象的类型，它包含指向任意 Python 对象的指针。这些可能是字符串、整数等的混合体。因此，您应该期待NaN 未找到字符串的值。

为了适应数字类型，您需要显式转换为字符串，例如给定一个系列s：

s.astype(str).str.isnumeric()

【讨论】：

好的。我认为这回答了它。所以我的 Series 是作为 Object dtype 读入的，但实际值是一些字符串和一些 int，所以 int 值被评估为 nan，因为它们不是字符串。
@Andrew，是的，确实如此，我用更详细的描述更新了我的答案。

【解决方案2】：

使用字符串访问器会将您的数字转换为NaN，它甚至在您尝试使用isnumeric 之前就发生了：

s = pd.Series([100, 50, 0, 'foo', 'bar', 'baz'])
s.str[:]

0    NaN
1    NaN
2    NaN
3    foo
4    bar
5    baz
dtype: object

因此，当您使用 isnumeric 时，NaN 仍然存在。请先使用 astype：

s.astype(str).str.isnumeric()

0     True
1     True
2     True
3    False
4    False
5    False
dtype: bool

【讨论】：