python pandas：在pandas数据帧中查找字符串元素

假设我有一个熊猫数据帧：

df = pd.DataFrame({'a': [1,2,3,'e',4], 'b': [1,2,3,4,5]})

我想要一个索引，其中df的元素是一个字符串。 除了逐个元素地检查之外，我如何才能做到这一点

---

哪个又慢又低效？

这并不是你想要的。而是返回一个元素索引，无法转换为数值：

In [231]: df
Out[231]:
   a  b
0  1  1
1  2  2
2  3  3
3  e  4
4  4  5

In [232]: df.apply(pd.to_numeric, errors='coerce').isnull().any(1)
Out[232]:
0    False
1    False
2    False
3     True
4    False
dtype: bool

In [233]: df.loc[df.apply(pd.to_numeric, errors='coerce').isnull().any(1)]
Out[233]:
   a  b
3  e  4

或者，只检查

字符串

（

对象

）列：

---

df.applymap（lambda x:isinstance（x，str））

？您期望的输出是什么？始终使用通用Python标记。如果您的问题是关于特定版本的，则仅使用特定于python版本的标记。这一个确实不是/而且，您已经放弃了对

'a'

列进行快速高效操作的所有希望，因为它使用

dtype=object

。注意，使用

apply

et.al.的解决方案本质上是针对循环的。@Zero注意，该解决方案本质上等同于以“缓慢且低效”的方式“逐个检查元素”。编辑：这一点，我相信您知道，但主要是想让OP知道。同意，我指出，OP可以避免显式for循环和设置值。注意：如果目的是在

df=pd.DataFrame中捕获
'3'
（{'a'：[1,2'，'3'，'e'，4]，'b'：[1,2,3,4,5]}）

，这可能不起作用。

df选择数据类型（'object'）。应用（pd.to_numeric，errors='concurve'）.isnull（）。任何（1）

都可能会减少对数值列的查找？

In [237]: df.select_dtypes(['object']).apply(pd.to_numeric, errors='coerce').isnull().any(1)
Out[237]:
0    False
1    False
2    False
3     True
4    False
dtype: bool

In [238]: df[df.select_dtypes(['object']).apply(pd.to_numeric, errors='coerce').isnull().any(1)]
Out[238]:
   a  b
3  e  4