仅从数据框中的列中识别数值 - Python答案

【问题标题】：Identifying only numeric values from a column in a Data Frame- Python仅从数据框中的列中识别数值 - Python
【发布时间】：2021-02-09 09:02:25
【问题描述】：

我想要一个单独的列，如果列“ID”包含所有数值，则返回“是”，如果包含字母或字母数字值，则返回“否”。

ID      Result
3965      Yes
wyq8      No
RO_123    No
CMD_      No
2976      Yes

【问题讨论】：

标签： python pandas numpy dataframe automation

【解决方案1】：

您可以在此处使用pd.Series.str.isnumeric。

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

使用isnumeric 有一个警告，它不能识别float 数字。

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

0    False
1     True
dtype: bool

如果您严格将YES 标记为int，则使用isnumeric，否则您可以在此处使用pd.Series.str.fullmatch（从1.1.0 版开始提供）。

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

对于 re.fullmatch

numeric_pat = re.compile(r"\d+|\d+\.\d+")
def numeric(val):
    match = numeric_pat.fullmatch(val)
    if match: return 'YES'
    else: return 'NO'

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

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

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

将errors 参数设置为'coerce' 无法转换为数字值的值将设置为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

或者你可以构建一个自定义函数

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

【讨论】：

【解决方案2】：

检查ID 是否包含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 所说。您也可以跳过反转布尔值并执行以下操作；

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

【讨论】：

与其反转布尔数组，为什么不将"No" 设为True 值，将"Yes" 设为False 值？ np.where(df.ID.str.contains('(\D+)'),'No','Yes')
@Cameron Riddell 我们实际上可以。我的理念是让 OP 的答案尽可能可追溯，如果他们选择运行分解它。不过好点。
当有字符串 '123 SO' 时，这会失败，使用 re.fullmatch 会反例。

【解决方案3】：

你可以使用.isnumeric()方法：

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

[更新]：此方法仅适用于整数，其他情况请查看@Ch3steR 答案。

【讨论】：