求助：检查DataFrame中ID列元素的格式合规性

问题说明 #

我有个叫“ID”的列，元素格式得是AB12345M这种——开头2个字母、中间5个数字、结尾1个字母，比如["AB12345M","CD34567G","IJ87654P"]。本来想写个函数遍历列里每一行，验证格式对不对，但写出来的函数有问题，求帮忙看看。

我写的有问题的函数 #

def data_types(df):      
    if type(df.iloc[1]) == str or type(df.iloc[1]) == object: 
        print("okay")      
    elif type(df.iloc[2]) == str or type(df.iloc[2]) == object: 
        print("okay")      
    elif type(df.iloc[3]) == int: 
        print("okay")      
    elif type(df.iloc[4]) == int: 
        print("okay")      
    elif type(df.iloc[5]) == int: 
        print("okay")     
    elif type(df.iloc[6]) == int`  # 这里语法错误，用了反引号而非冒号
        print("okay")     
    elif type(df.iloc[7]) == int: 
        print("okay")      
    elif type(df.iloc[8]) == str or type(df.iloc[8]) == object: 
        print("okay")

现有函数的问题 #

1. 逻辑完全跑偏：你现在是挨个判断DataFrame第2到第9行的元素类型，但ID是一个完整的字符串，根本不是拆成DataFrame不同行存储的，这完全没触及格式验证的核心需求。
2. 语法错误：第6个elif行末尾用了反引号，正确应该是冒号:`，运行会直接报错。
3. 类型判断冗余：Pandas里字符串列的元素类型就是object，没必要同时判断str和object。
4. 未遍历全行：你只硬编码判断了几个固定行，根本没循环遍历ID列的每一行元素。

正确的实现方法 #

验证这种固定格式的字符串，用正则表达式最方便，结合Pandas可以批量处理，也可以写循环逐个验证：

方法1：Pandas批量验证（推荐，效率高） #

import pandas as pd

def validate_id_column(df):
    # 正则规则：开头2个大小写字母，中间5个数字，结尾1个大小写字母，整个字符串刚好8位
    id_pattern = r'^[A-Za-z]{2}\d{5}[A-Za-z]$'
    # 对ID列每个元素做匹配，na=False把空值标记为不符合
    is_valid = df['ID'].str.match(id_pattern, na=False)
    # 输出验证结果
    print(f"符合格式的行数：{is_valid.sum()}")
    print("不符合格式的行：")
    print(df[~is_valid])
    return is_valid

方法2：逐行遍历验证（适合需要逐行输出提示的场景） #

import pandas as pd
import re

def validate_id_column(df):
    id_pattern = r'^[A-Za-z]{2}\d{5}[A-Za-z]$'
    for row_idx, id_str in df['ID'].items():
        # 处理空值情况
        if pd.isna(id_str):
            print(f"第{row_idx}行：空值，不符合格式")
            continue
        # 先判断是否为字符串类型
        if not isinstance(id_str, str):
            print(f"第{row_idx}行：不是字符串，值为{id_str}")
            continue
        # 正则匹配验证格式
        if re.fullmatch(id_pattern, id_str):
            print(f"第{row_idx}行：格式正确")
        else:
            print(f"第{row_idx}行：格式错误，值为{id_str}")

补充说明 #

• 如果要求ID里的字母必须是大写，把正则改成^[A-Z]{2}\d{5}[A-Z]$即可。
• 正则里的^和$必须加上，否则会误判包含符合格式片段的长字符串（比如XAB12345MY这种）。

内容的提问来源于stack exchange，提问作者Awais Farooqui