Python 忽略非数值

我有这个df：

     X
0   13500
1   13600
2   BBOX-001
3   Mobi-1
4   15003
5   15004

我正在尝试输入一个新列。如果x>15000，则该值为A，否则为B。如果x为非数字（BBOX-001，Mobi-1），则应在x列中显示该值：

     X        Y
0   13500     B
1   13600     B
2   BBOX-001  BBOX-001
3   Mobi-1    Mobi-1
4   15003     A
5   15004     A

我在下面有这一点，但如何忽略列X中的非数值

df['Y'] = np.where(df['X'] > 15000, 'A', 'B')

---

您可以通过

转换对象

实现您的目标：

import pandas as pd
import numpy as np

df = pd.DataFrame({'X': ['13500', '13600', 'BBOX-001', 'Mobi-1', '15003', '15004']})
# Convert only numeric value to put it in comparison
df['Y'] = np.where(df.X.convert_objects(convert_numeric=True) > 15000, 'A', 'B')

print (df)

输出：

         X  Y
0     13500  B
1     13600  B
2  BBOX-001  B
3    Mobi-1  B
4     15003  A
5     15004  A

---

当

df['X']

混合包含数字和字符串时，列的数据类型将是

object

，而不是数字数据类型。

df['X']

中类似数字的项目可能是整数或浮点数，甚至可能是字符串（您的问题不清楚）。 在这种情况下，许多数值操作（如

df['X']>15000

）可能会产生错误

若要将类似数字的值视为数字，请使用

pd。若要将列转换为数字数据类型，请使用\u numeric

：

In [41]: numeric_X = pd.to_numeric(df['X'], errors='coerce')
In [43]: numeric_X
Out[43]: 
0    13500.0
1    13600.0
2        NaN
3        NaN
4    15003.0
5    15004.0
Name: X, dtype: float64

您还可以通过测试NAN来识别类似字符串的值：

is_stringlike = np.isnan(numeric_X)

---

屈服

          X         Y
0     13500         B
1     13600         B
2  BBOX-001  BBOX-001
3    Mobi-1    Mobi-1
4     15003         A
5     15004         A

          X         Y
0     13500         B
1     13600         B
2  BBOX-001  BBOX-001
3    Mobi-1    Mobi-1
4     15003         A
5     15004         A