检测 Pandas Dataframe 中的浮点值

Question

我有一个包含整数、浮点数和字符串的 dataframe 列。 我想根据特定记录中存在的数据类型来处理此列。

现在的问题是，我可以通过 Series.str.isnumeric() 调用分离出 integer 记录，但浮点数在这里返回 False。 如何将整数和浮点数分开。 这是一个基本的代码：

import numpy as np
import pandas as pd

d = {'A' : ['1234', '12.16', '1234m']}
df= pd.DataFrame(d)
df.A.str.isnumeric()

到目前为止，我得到 [True False False]，我希望得到 [True, True, False]。

Answer 1

使用带有参数errors="coerce"的pd.to_numeric并检查哪些值not NaN ：

pd.to_numeric(df['A'],errors='coerce').notna()

0     True
1     True
2    False
Name: A, dtype: bool

---

如果要使用str.isnumeric ， pandas 不会自动识别. 作为小数，所以我们必须替换它：

df['A'].str.replace('\.', '').str.isnumeric()

0     True
1     True
2    False
Name: A, dtype: bool

---

如果我提前考虑并且你想做什么，你可以写一个try except将每个元素转换为它的类型而不丢失任何行到NaN ：

def convert_numeric(x):
    try:
        return pd.to_numeric(x)
    except:
        return x

df['A'].apply(convert_numeric)

0     1234
1    12.16
2    1234m
Name: A, dtype: object

如果我们然后检查每个值的类型，我们现在看到它是混合类型：

df['A'].apply(convert_numeric).apply(type)

0      <class 'numpy.int64'>
1    <class 'numpy.float64'>
2              <class 'str'>
Name: A, dtype: object

Answer 2

def my_func(x):
    try:
        float(x)
    except ValueError:
        return False
    return True

df['A'].apply(my_func)

0     True
1     True
2    False