pandasql调用ISNUMERIC报错 非数值行更新Flag列实现咨询

需实现DataFrame行级数值校验：逐行判断P1列取值是否为数值，非数值行的Flag列标记为Error，数值行Flag留空。
测试用初始数据：

import pandas as pd
data = {'P1':  [0, 'ABC', 1.1]}
originaldf = pd.DataFrame(data)

预期输出：

之前方案失效的核心原因 #

• 调用ISNUMERIC报错：pandasql底层基于SQLite实现，SQLite无内置该TSQL函数，无法直接调用。
• LIKE '%[A-Za-z]%'匹配无结果：SQLite的LIKE语法不支持[]形式的字符范围匹配，该语法仅适用于SQL Server等特定数据库。
• iterrows()遍历不生效：一是用==和通配符字符串做全等判断，不会触发模糊匹配逻辑；二是iterrows返回的行对象是副本，直接修改不会同步到原DataFrame。另外原有SQL中ISNUMERIC(P1) < 0的判断逻辑本身错误，常规ISNUMERIC匹配成功返回1、失败返回0，不存在小于0的返回值。

方案1：原生Pandas实现（优先选择，性能最好） #

直接利用pandas内置的类型转换能力做判断，无需依赖SQL或遍历：

import pandas as pd
import numpy as np

data = {'P1':  [0, 'ABC', 1.1]}
originaldf = pd.DataFrame(data)

originaldf['Flag'] = np.where(
    # 尝试将P1转为数值，转换失败的值会被置为NaN
    pd.to_numeric(originaldf['P1'], errors='coerce').isna(),
    'Error',
    ''
)

执行后输出完全符合预期。

方案2：pandasql环境实现 #

如果必须使用sqldf编写SQL逻辑，可以先向SQLite引擎注册自定义数值判断函数，再在SQL中调用：

import pandas as pd
import pandasql as ps

data = {'P1':  [0, 'ABC', 1.1]}
originaldf = pd.DataFrame(data)

# 定义数值判断函数
def is_numeric(val):
    try:
        float(val)
        return 1
    except (ValueError, TypeError):
        return 0

# 注册自定义函数到SQLite
conn = ps.SQLiteConnection()
conn.conn.create_function("isnumeric", 1, is_numeric)

# 执行查询
newdf = ps.sqldf('''
    SELECT *,
        CASE
            WHEN isnumeric(P1) = 0 THEN 'Error'
            ELSE ''
        END AS Flag
    FROM originaldf
''', conn=conn)

方案3：修正逐行遍历逻辑（不推荐，大数据量下性能极差，仅做写法纠错） #

若坚持使用iterrows遍历，需要通过loc做值回写，且不能用通配符字符串做全等判断：

originaldf['Flag'] = ''
for idx, row in originaldf.iterrows():
    try:
        float(row['P1'])
    except ValueError:
        originaldf.loc[idx, 'Flag'] = 'Error'

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