Python 如何在DataFrame对象数据类型中正确识别包含点的浮点值[0，1]？

我有一个这样的数据框，其中我的值是object dtype：

df = pd.DataFrame(data=['A', '290', '0.1744175757', '1', '1.0000000000'], columns=['Value'])

df
Out[65]: 
          Value
0             A
1           290
2  0.1744175757
3             1
4  1.0000000000

df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 1 columns):
Value    5 non-null object
dtypes: object(1)
memory usage: 120.0+ bytes

我也尝试了isdecimal（），但这并不是我想要的：

df[df['Value'].str.isdecimal()]
Out[68]: 
  Value
1   290
3     1

我提出了一个最接近的函数：

def isPercent(x):

    if pd.isnull(x):
        return False

    try:
        x = float(x)
        return x % 1 != 0
    except:
        return False

df[df['Value'].apply(isPercent)]
Out[74]: 
          Value
2  0.1744175757

但这无法正确识别1.0000000000（和0.0000000000）的场景

我有两个问题：

为什么str.contains（'.'）在此上下文中不起作用？这似乎是最简单的方法，因为它将在100%的时间内获得我需要的数据，但即使值中没有“.”字符，它也会返回True

如何正确识别值中包含点字符的所有值[0，1]

---

str.contains

默认情况下执行基于正则表达式的搜索，“.”将匹配正则表达式引擎的任何字符。要禁用它，请使用

regex=False

：

df[df['Value'].str.contains('.', regex=False)]

          Value
2  0.1744175757
4  1.0000000000

你也可以逃避它，逐字逐句地对待它：

df[df['Value'].str.contains(r'\.')]

          Value
2  0.1744175757
4  1.0000000000

---

如果您真的想只提取浮点数，请尝试使用更健壮的正则表达式

df[df['Value'].str.contains(r'\d+\.\d+')].astype(float)

      Value
2  0.174418
4  1.000000

---

对不起，我对着枕头大喊大叫（但谢谢你）。

df[df['Value'].str.contains(r'\d+\.\d+')].astype(float)

      Value
2  0.174418
4  1.000000