基于非数值标识符拆分DataFrame列内容报错及处理需求

错误原因 #

你的index1列混合了整数和字符串类型：原行索引是整数，手动添加的小计行索引是字符串。当循环到整数类型的元素时，调用.isnumeric()方法会报错——因为整数对象本身没有这个字符串方法。

修复方案 #

1. 统一索引列的类型

先把index1列全部转为字符串类型，确保所有元素都能调用字符串方法：

df['index1'] = df.index.astype(str)

2. 用矢量化操作替代for循环（更高效）

Pandas不推荐用for循环遍历行，改用矢量化的字符串操作处理，同时注意分类类型的兼容性：

# 扩展Source列的分类，避免赋值时出现NaN
df['Source'] = df['Source'].cat.add_categories(['In Progress Subtotal'])

# 筛选出非数值的索引行
mask = ~df['index1'].str.isnumeric()

# 拆分字符串并赋值给对应列（strip()去除拆分后的空格）
split_cols = df.loc[mask, 'index1'].str.split('-', expand=True)
df.loc[mask, 'Status'] = split_cols[0].str.strip()
df.loc[mask, 'Source'] = split_cols[1].str.strip()

# 可选：不需要index1列可删除
# df.drop('index1', axis=1, inplace=True)

完整修复后的代码

import pandas as pd

df = pd.DataFrame( {'Status':['Active','Active','Inactive','Active'], 'Source':['Domestic','International','International','Restricted'], 'Activity':['In Progress','Post','Post','In Progress'], 'FY20':[2,55,52,99],'FY21':[90,20,11,43],'FY22':[10,52,57,9]})

df['Status'] = pd.Categorical(df['Status'],categories= ['Inactive','Active'])
df = df.sort_values('Status')
df['Source'] = pd.Categorical(df['Source'],categories= ['International','Restricted','Domestic'])
df = df.sort_values('Source')

# 添加小计行
df.loc['Active - In Progress Subtotal'] = df.loc[(df['Status'].isin(['Active'])) & (df['Activity'].isin(['In Progress']))].sum(axis=0)
# 转换索引列为字符串
df['index1'] = df.index.astype(str)

# 处理拆分逻辑
df['Source'] = df['Source'].cat.add_categories(['In Progress Subtotal'])
mask = ~df['index1'].str.isnumeric()
split_cols = df.loc[mask, 'index1'].str.split('-', expand=True)
df.loc[mask, 'Status'] = split_cols[0].str.strip()
df.loc[mask, 'Source'] = split_cols[1].str.strip()

# 查看结果
print(df)

关键说明 #

• 分类类型（Categorical）必须提前添加新的类别，否则赋值时会因为类别不存在而变成NaN
• 矢量化操作比for循环效率高得多，尤其适合大型DataFrame
• .str.strip()是为了去除拆分后字符串两端的空格（比如拆分'Active - In Progress Subtotal'后，第二部分开头有空格）

内容的提问来源于stack exchange，提问作者Sam