4

我正在使用 pandas 编写数据质量脚本，该脚本将检查每列的某些条件

目前我需要找出特定列中没有小数或实际数字的行。如果它是一个整数，我可以找到这些数字，但是到目前为止我看到的方法 ie isdigit() , isnumeric(), isdecimal()etc 无法正确识别数字何时是十进制数。例如：2.5、0.1245 等。

以下是一些示例代码和数据：

>>> df = pd.DataFrame([
    [np.nan, 'foo', 0],
    [1, '', 1],
    [-1.387326, np.nan, 2],
    [0.814772, ' baz', ' '],     
    ["a", '      ', 4],
    ["  ",  'foo qux ', '  '],         
], columns='A B C'.split(),dtype=str)

>>> df
    A   B   C
0   NaN foo 0
1   1       1
2   -1.387326   NaN 2
3   0.814772    baz 
4   a       4
5       foo qux 

>>> df['A']
0          NaN
1            1
2    -1.387326
3     0.814772
4            a
5             
Name: A, dtype: object

以下方法都无法识别十进制数

df['A'].fillna('').str.isdigit()
df['A'].fillna('').str.isnumeric()
df['A'].fillna('').str.isdecimal()

0    False
1     True
2    False
3    False
4    False
5    False
Name: A, dtype: bool

因此，当我尝试以下操作时，我只得到 1 行

>>> df[df['A'].fillna('').str.isdecimal()]
    A   B   C
1   1       1

注意：我正在使用dtype=strpandas 来获取数据，而无需解释/更改 dtypes 的值。实际数据在 A 列中可能有空格，我将使用 replace() 将其删除，我在这里保持代码简单，以免混淆。

4

2 回答 2

5

将to_numericwitherrors='coerce'用于非数字到NaNs，然后通过 测试Series.notna：

print (pd.to_numeric(df['A'], errors='coerce').notna())
0    False
1     True
2     True
3     True
4    False
5    False
Name: A, dtype: bool

如果需要True为缺失值返回 s：

print (pd.to_numeric(df['A'], errors='coerce').notna() | df['A'].isna())
0     True
1     True
2     True
3     True
4    False
5    False
Name: A, dtype: bool

另一种具有自定义功能的解决方案：

def test_numeric(x):
    try:
        float(x)
        return True
    except Exception:
        return False

print (df['A'].apply(test_numeric))
0     True
1     True
2     True
3     True
4    False
5    False
Name: A, dtype: bool

print (df['A'].fillna('').apply(test_numeric))
0    False
1     True
2     True
3     True
4    False
5    False
Name: A, dtype: bool
于 2019-08-13T12:42:52.090 回答
0

Alternativ，如果要保留字符串结构，可以使用：

df['A'].str.contains('.')

0    False
1     True
2    False
3    False
4    False
5    False

在这种情况下，唯一的风险可能是您也识别单词.……这不是您的意愿

于 2019-08-13T12:44:29.823 回答