如何用Pandas根据薪资列是否为整数填充DataFrame的status列

针对你的需求，根据薪资列的不同数据类型，提供对应的处理方案：

场景1：薪资列是字符串类型（存在6LKH这类非数字内容） #

直接利用字符串的isdigit()方法判断是否为纯数字字符串，结果直接赋值给status列：

import pandas as pd

# 示例数据
df = pd.DataFrame({
    '员工姓名': ['张三', '李四', '王五'],
    '薪资': ['10000', '6LKH', '8500'],
    'status': [None, None, None]
})

# 填充status列
df['status'] = df['薪资'].str.isdigit()

str.isdigit()会返回布尔值：纯数字字符串返回True，含非数字字符返回False。如果需要兼容负数格式（如'-5000'），可以先过滤负号再判断：

df['status'] = df['薪资'].apply(lambda x: x.lstrip('-').isdigit() if isinstance(x, str) else False)

场景2：薪资列是数值类型（如float，存在5000.0这类整数值） #

需要判断数值是否为整数（小数部分为0），两种实现方式：

方法A：使用is_integer()方法 #

df['status'] = df['薪资'].apply(lambda x: x.is_integer() if pd.notna(x) else False)

方法B：取模运算判断 #

import numpy as np
df['status'] = np.mod(df['薪资'], 1) == 0

两种方法都会将5000.0识别为整数（返回True），5000.5返回False。

通用兼容方案（混合类型场景） #

如果薪资列同时存在字符串和数值类型，统一转为字符串后再判断：

df['status'] = df['薪资'].astype(str).str.lstrip('-').isdigit()

内容的提问来源于stack exchange，提问作者Anjali