使用str.contains通过正则检查DataFrame列数值时报错的解决方法

报错原因 #

你遇到的报错是因为Roll.No列本身是数值类型，Pandas的.str访问器仅支持字符串类型的Series调用，直接对数值列使用就会抛出AttributeError: Can only use .str accessor with string values!。

常见需求实现方式 #

需求1：检查整列所有值（不含NaN）均为合法数值 #

用pd.to_numeric实现兼容性最强，支持整数、浮点数、字符串格式数值的统一判断：

# errors='coerce' 会把无法转为数值的内容统一替换为NaN
# 整体无NaN即说明全为合法数值
is_all_numeric = pd.to_numeric(df['Roll.No'], errors='coerce').notna().all()

输出为True说明列全为数值，False说明存在非数值内容。

需求2：允许列中存在NaN，仅判断非空值均为数值 #

# 对比转换前后的NaN分布一致，说明非空内容都可以转为数值
non_na_all_numeric = pd.to_numeric(df['Roll.No'], errors='coerce').isna().equals(df['Roll.No'].isna())

需求3：筛选出列中存在非数值的行 #

对应你原代码想要实现的过滤逻辑，写法如下：

# 筛选出Roll.No列为非数值的行
non_numeric_df = df[pd.to_numeric(df['Roll.No'], errors='coerce').isna()]

正则匹配实现方案 #

如果一定要用正则匹配做判断，需要先把目标列转为字符串类型，即可正常调用.str方法：

# 先转字符串再正则匹配非数字字符
has_non_numeric = df['Roll.No'].astype(str).str.contains(r'[^0-9]', na=True).any()

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