检查熊猫数据帧列中的字符串类型

Question

我有一个相当大的数据帧（11k行和20列）。其中一列的数据类型是混合的，主要是数字（float），其中有少量字符串分散在各处。

在使用混合列中的数据执行一些统计分析之前，我通过查询其他列来对该数据帧进行子集划分（但如果存在字符串，则无法执行此操作）。99%的时间，一旦子集这个列是纯数字的，但很少字符串值会在子集中结束，我需要捕获它。

通过Pandas混合类型列循环检查字符串（或者反过来检查整个列是否充满数值）的最有效/最具Python风格的方法是什么？

如果列中甚至存在一个字符串，我想引发一个错误，否则继续。

Answer 1

这是另一种方式。它将列A的值转换为数字，但在出现错误时不会失败：字符串替换为NA。notnull（）用于删除这些NA。

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

但是，如果列中已经有NAs，它们也将被删除。

另请参见：根据对象类型（即str）从数据帧中选择行

Answer 2

这是一个办法。我不确定它能被矢量化。

import pandas as pd

df = pd.DataFrame({'A': [1, None, 'hello', True, 'world', 'mystr', 34.11]})

df['stringy'] = [isinstance(x, str) for x in df.A]

#        A stringy
# 0      1   False
# 1   None   False
# 2  hello    True
# 3   True   False
# 4  world    True
# 5  mystr    True
# 6  34.11   False