我想要一个单独的列，如果“ID ”列包含所有数字值，则返回“是”；如果包含字母或字母数字值，则返回“否”。ID Result3965 Yeswyq8 NoRO_123 NoCMD_ No2976 Yes
3 回答
拉丁的传说
TA贡献1789条经验 获得超8个赞
你可以pd.Series.str.isnumeric在这里使用。
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
isnumeric使用它不能识别数字有一个警告float。
test = pd.Series(["9.0", "9"])
test.str.isnumeric()
0 False
1 True
dtype: bool
如果您严格标记YESfor intthen 使用isnumericelse，您可以pd.Series.str.fullmatch在此处使用（从版本 1.1.0 开始）。
df['Result'] = np.where(df['ID'].str.fullmatch(r"\d+|\d+\.\d+", 'YES', 'NO')
对于版本<1.1.0，您使用re.fullmatch
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
isnumeric使用它不能识别数字有一个警告float。
test = pd.Series(["9.0", "9"])
test.str.isnumeric()
0 False
1 True
dtype: bool
或者我们可以使用pd.to_numeric布尔掩码pd.Series.isna
m = pd.to_numeric(df['ID'], errors='coerce').isna() df['Result'] = np.where(m, 'NO', 'YES')
如果errors参数设置为'coerce'无法转换为数字的值，则值将设置为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
或者您可以构建自定义函数
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
FFIVE
TA贡献1797条经验 获得超6个赞
检查是否ID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 所指出的。您还可以跳过布尔值反转并执行以下操作；
df['Result']=np.where(df.ID.str.contains('(\D+)'),'No','Yes')
眼眸繁星
TA贡献1873条经验 获得超9个赞
您可以使用.isnumeric()方法：
df3["Result"] = df3["ID"].str.isnumeric().apply(lambda x: "No" if x == False else "Yes")
添加回答
举报
0/150
提交
取消