检查熊猫数据框架列（字符串/对象）是否是数字（忽略空/null/nan）

Question

我尝试这样做的灵感来自于已接受的答案 这里：

df = pd.DataFrame({'col1':['1', '']})
all_numeric = pd.to_numeric(df['col1'], errors='coerce').notnull().all().item()
print(all_numeric)

检测列是否为数字（忽略空白+ NULL + NAN）。

在上面的代码中，all_numeric 是 False (Python bool)，这没有意义，或者也许有意义？我想我尝试估算 nan，因为原因可能是空值：

df = pd.DataFrame({'col1':['1', '']})
df = df.apply(lambda x: x.str.strip()).replace('', np.nan)
all_numeric = pd.to_numeric(df['col1'], errors='coerce').notnull().all().item()
print(all_numeric)

相同的结果。也许我检查列的所有值是否都是数字（忽略 NULL/NAN/空字符串）的方法是错误的？谢谢！

Answer 1

您可以去除空格并将空字符串转换为 NaN，然后​​删除它；然后进行测试：

out = pd.to_numeric(df['col1'].str.strip().replace('', pd.NA).dropna(), errors='coerce').notna().all().item()

输出：

True

此测试对于以下输入抛出 False：

df = pd.DataFrame({'col1':['1', 's']})

Answer 2

根据

>>df = pd.DataFrame({'col1':['1', '']})
>>df.col1.str.isnumeric()

0     True
1    False