如何使用R找出应存数值的成绩列中的非数值条目？

完全理解你的困扰——手动录入数据时混进非数值内容真的很头疼，正则表达式确实是解决这类问题的利器，我给你分几种常用工具的场景来讲解具体操作，你可以对应自己的情况来用：

如果你用Excel处理数据，分两种情况：

• Excel 365/2021 版本：直接用内置的REGEXMATCH函数。假设成绩在A列，在B2单元格输入公式：
  =NOT(REGEXMATCH(A2, "^-?\d+(\.\d+)?$"))
  下拉填充后，返回TRUE的单元格对应的A列内容就是非纯数值的条目。
• 旧版Excel：可以用VBA自定义函数实现。按Alt+F11打开VBA编辑器，插入一个模块，粘贴以下代码：

  Function IsPureNumber(ByVal cellValue As Variant) As Boolean
      Dim reg As Object
      Set reg = CreateObject("VBScript.RegExp")
      reg.Pattern = "^-?\d+(\.\d+)?$"
      IsPureNumber = reg.Test(CStr(cellValue))
  End Function
  

  回到Excel，在B2输入=NOT(IsPureNumber(A2))，下拉即可标记所有非纯数值条目。

如果用Python做数据处理，Pandas能快速筛选出目标行：

import pandas as pd

# 读取你的数据文件（Excel或CSV都可以）
df = pd.read_excel("你的成绩数据.xlsx")

# 筛选出成绩列不是纯数值的行
non_numeric_records = df[~df["成绩列名"].astype(str).str.match(r"^-?\d+(\.\d+)?$")]

# 查看结果
print(non_numeric_records)

如果数据存在数据库里，不同数据库的写法略有差异：

• MySQL/MariaDB：

  SELECT * FROM 你的表名
  WHERE NOT 成绩列 REGEXP '^-?[0-9]+(\.[0-9]+)?$';
  

• PostgreSQL：

  SELECT * FROM 你的表名
  WHERE 成绩列 !~ '^-?[0-9]+(\.[0-9]+)?$';
  

补充：正则表达式的含义 #

这里用到的正则^-?\d+(\.\d+)?$可以拆解为：

• ^ 和 $：锁定字符串的开头和结尾，确保整个内容都是数值（避免匹配“90分”“abc123”这类包含数字的文本）
• -?：匹配可选的负号，支持负数
• \d+：匹配1个或多个数字（整数部分）
• (\.\d+)?：匹配可选的小数点+1个以上数字（小数部分，支持整数和小数两种情况）

如果你的数值还有特殊格式（比如带千分位逗号、科学计数法），可以告诉我具体情况，我再调整正则表达式~

内容的提问来源于stack exchange，提问作者Iniciador