Python 找出哪一行有字符串

我使用的是pandas，我有一个列有数字，但当我检查数据类型时，我得到的列是一个对象。我认为该列中的一行实际上是一个字符串。我怎样才能找出哪一行是字符串？例如：

Name    A    B
John    0    1
Rich    1    0
Jim     O    1

---

Jim在A列上有字母“O”而不是零。如果我有数千行，我可以在pandas中使用什么来查找哪一行有字符串而不是数字？在这个例子中，我使用了字母O，但它可以是任何字母，真的

您可以使用pandas.to_numeric查看哪些内容无法转换为数字。然后使用

.isnull（）

可以对原始

df

进行子集设置，以查看哪些行是有问题的行

import pandas as pd
df[pd.to_numeric(df.A, errors='coerce').isnull()]
#  Name  A  B
#2  Jim  O  1

如果您不确定哪个列有问题，可以这样做（假设您要检查除第一个名称列以外的所有内容）：

---

dtype

对象

意味着该列包含通用的Python类型值

这些值可以是Python知道的任何类型，一个

int

、一个

str

、一个

set

s的

list

或您创建的一些自定义

namedtuple

类型，等等

您可以对这些对象调用普通的Python函数或方法（例如，通过直接访问它们，或通过Pandas的

apply

），方法与对任何其他Python变量的方法相同

其中包括

类型

功能、

isinstance

功能等：

>>> df = pd.DataFrame({'A': [0, 1, 'O'], 'B': [1, 0, 1]})
>>> df.A
0    0
1    1
2    O
Name: A, dtype: object
>>> df.A.apply(type)
0    <class 'int'>
1    <class 'int'>
2    <class 'str'>
Name: A, dtype: object
>>> df.A.apply(lambda x: isinstance(x, str))
0    False
1    False
2     True
Name: A, dtype: bool
>>>  df.A.apply(repr)
0      0
1      1
2    'O'
Name: A, dtype: object

df=pd.DataFrame（{'A'：[0,1,O']，'B'：[1,0,1]}） >>>df.A 0 0 1 1 二○ 名称：A，数据类型：对象 >>>df.A.apply（类型） 0 1. 2. 名称：A，数据类型：对象 >>>df.A.apply（λx:isinstance（x，str）） 0错误 1错误 2正确 姓名：A，数据类型：bool >>>df.A.apply（报告） 0 0 1 1 二点钟 名称：A，数据类型：对象

---

…等等。

我想添加另一个非常简短的解决方案，它是ALollz和abarnert的组合

首先，让我们查找具有

cols=（df.dtypes=='object'）.nonzero（）[0]

的object类型的所有列。让我们使用

iloc

过滤掉这些数据，并将

pd.应用于_numeric

（并且让我们也不要使用col变量的一个片段包括name列

[1://code>）。然后检查
na值，如果
any（1）
（按行），则返回该行的索引

完整示例：

import pandas as pd

data = '''\
Name    A    B   C
John    0    1   O
Rich    1    0   2
Jim     O    1   O'''

df = pd.read_csv(pd.compat.StringIO(data), sep='\s+')

cols = (df.dtypes == 'object').nonzero()[0]
rows = df.iloc[:,cols[1:]].apply(pd.to_numeric, errors='coerce').isna().any(1).nonzero()[0]
print(rows)

返回：

[0 2]  # <-- Means that row 0 and 2 contain N/A-values in at least 1 column

[02]#
这将为您提供一个
{name:type}
字典，以便您知道哪个名称在列a中有字符串值。或者，如果您只想查找字符串所在的行，请使用以下命令：

types = list(df['A'].apply(lambda x: type(x))
rows = df.index.tolist()
d = dict(zip(rows, types))
# to get only the rows that have string values in column A
d = {k:v in d.items() if v == str}

对象
意味着它持有通用的Python类型的值，可以是Python知道的任何类型的值，
int
，
str
，
列表
的
集合
的一些自定义的
名称双倍
类型，不管是什么。您可以像处理任何其他Python变量一样，对这些对象调用方法（例如，通过Pandas的
apply
）
types = list(df['A'].apply(lambda x: type(x))
names = list(df['Name'])
d = dict(zip(names, types))

types = list(df['A'].apply(lambda x: type(x))
rows = df.index.tolist()
d = dict(zip(rows, types))
# to get only the rows that have string values in column A
d = {k:v in d.items() if v == str}