如何在Pandas DataFrame中查找所有非Latin1（ISO 8859-1）字符

df.iterrows()返回的是(行索引, 行数据Series)二元组，你直接遍历row变量时，i会依次取到行索引、行Series对象，对Series直接执行if i:判断就会触发The truth value of a Series is ambiguous的错误。

不需要正则枚举所有Latin1字符，直接用编码校验逻辑即可实现，以下是两种可用方案：

方案1：修正原有循环逻辑 #

适合小数据量场景，修改你原有错误逻辑即可运行：

islatin1 = []
# 遍历所有列
for col in DF.columns:
    # 跳过非字符串类型列，减少无效判断
    if DF[col].dtype != object:
        continue
    # 遍历行，正确接收索引和行数据
    for idx, row in DF.iterrows():
        current_val = row[col]
        # 跳过非字符串类型的值
        if not isinstance(current_val, str):
            continue
        try:
            current_val.encode(encoding="latin-1", errors="strict")
        except UnicodeEncodeError:
            # 编码失败即为不符合Latin1规范的内容
            islatin1.append([row['ID'], col, current_val])

Invalid_latin1 = pd.DataFrame(islatin1, columns=['ID', 'Bad_Column', 'Bad_Data'])

方案2：向量化实现 #

适合大数据量场景，性能远高于逐行遍历：

def is_latin1(val):
    # 非字符串类型默认判定为符合要求，可根据业务需求调整规则
    if not isinstance(val, str):
        return True
    try:
        val.encode("latin-1", errors="strict")
        return True
    except UnicodeEncodeError:
        return False

invalid_list = []
# 仅筛选字符串类型列做检测
for col in DF.select_dtypes(include='object').columns:
    # 批量生成不符合规则的行掩码
    bad_mask = ~DF[col].apply(is_latin1)
    # 提取当前列的异常数据
    bad_rows = DF.loc[bad_mask, ['ID', col]]
    for _, row in bad_rows.iterrows():
        invalid_list.append([row['ID'], col, row[col]])

Invalid_latin1 = pd.DataFrame(invalid_list, columns=['ID', 'Bad_Column', 'Bad_Data'])

两种方案都是直接基于字符编码能力做校验，和Latin1编码的原生规则完全对齐，不会出现正则枚举遗漏的问题。

内容的提问来源于stack exchange，提问作者Steve