如何使用pandas逐行校验字段值类型并生成对应类型判断列

需求说明 #

现有包含Name、Age两个字段的DataFrame，存在值类型不符合预期的异常值，原始数据如下：

需要新增两个校验列：

• Name_Type：该行Name值为字符串类型时返回True，否则返回False
• Age_Type：该行Age值为浮点类型时返回True，否则返回False

校验规则要求：Name列中John、Alice、Pam对应Name_Type为True，203921对应为False；Age列中20.5、39.1、41.0对应Age_Type为True，Hope对应为False。

实现代码 #

pandas中混合类型的列会被统一识别为object类型，直接查看列dtype无法定位单条异常值，需要逐行取单个值用isinstance判断原生类型，代码如下：

import pandas as pd

# 构建原始测试DataFrame
df = pd.DataFrame({
    "Name": ["John", "Alice", "Pam", 203921],
    "Age": [20.5, 39.1, 41.0, "Hope"]
})

# 逐行生成类型校验列
df["Name_Type"] = df["Name"].apply(lambda x: isinstance(x, str))
df["Age_Type"] = df["Age"].apply(lambda x: isinstance(x, float))

运行结果 #

执行代码后输出的DataFrame如下，完全匹配预期校验结果：

避坑提示：如果后续需要扩展其他类型校验，直接修改isinstance的第二个参数即可，比如校验整数类型就传入int，校验布尔类型传入bool，不要尝试用正则匹配值的格式判断类型，准确率远低于原生类型判断。

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