如何基于条件替换pandas列中的字符串及相关报错解决

isdigit()是Python原生字符串的内置方法，无法直接在pandas的Series对象上调用，必须通过Series的.str字符串访问器调用该方法，才能逐行判断每个字符串元素是否为纯数字。
另外你原有代码里str.replace()的第一个参数需要传入匹配规则（字符串/正则表达式），直接传入isdigit()返回的布尔值Series也不符合方法要求，逻辑上不成立。

正确实现方案 #

下面提供3种常用的实现方式，均可以实现将指定列的纯数字值替换为Number的需求：

方案1：布尔索引赋值（可读性最高） #

import pandas as pd

# 构造测试数据
df = pd.DataFrame()
df["recs"] = ["45", "emp1", "12", "emp3", "emp4", "emp5"]

# 筛选出值为纯数字的行，直接替换目标列的值
df.loc[df["recs"].str.isdigit(), "recs"] = "Number"

方案2：mask方法（代码最简洁） #

mask方法会将第一个参数判断为True的位置，替换为第二个参数的值：

df["recs"] = df["recs"].mask(df["recs"].str.isdigit(), "Number")

方案3：正则替换 #

直接用正则匹配全为数字的字符串，一次性替换：

# 正则r'^\d+$'表示匹配从头到尾都是数字的字符串
df["recs"] = df["recs"].str.replace(r'^\d+$', 'Number', regex=True)

注意事项 #

如果你的目标列中存在非字符串类型的值（比如整数、浮点数、空值NaN），建议先将列转为字符串类型再判断，避免触发类型错误：

df["recs"] = df["recs"].astype(str).mask(df["recs"].astype(str).str.isdigit(), "Number")

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