如何用Pandas找出数据列中包含字符串的行？

这是处理数据时很常见的问题，我给你分享几个高效的方法，轻松找出那些混在数字列里的字符串行：

方法1：利用数值转换标记无效行 #

最通用的方式是用pd.to_numeric()的errors='coerce'参数——这个参数会把无法转换成数字的内容强制转为NaN，之后我们只要筛选出这些NaN对应的行就行：

import pandas as pd

# 假设你的数据集存在df里，目标列是'A'
# 先尝试转换，生成一个临时列存储转换结果
df['temp_numeric'] = pd.to_numeric(df['A'], errors='coerce')
# 筛选出转换失败（即原内容非数字）的行
invalid_entries = df[df['temp_numeric'].isna()]
# 查看结果，就能直接看到像Jim那行的问题数据
print(invalid_entries)

方法2：用正则表达式直接匹配非数字内容 #

如果你想更精准地定位非数字的字符串，也可以用正则表达式来匹配纯数字模式，取反筛选：

# 匹配包含纯数字的内容，~表示取反，得到非数字的行
invalid_entries = df[~df['A'].str.match(r'^\d+$', na=False)]
print(invalid_entries)

如果你的数字可能包含小数或负号，可以把正则改成r'^-?\d+\.?\d*$'，适配更多场景。

小提示 #

• 方法1更万能，不管是字母、特殊符号还是其他奇怪的内容，只要无法转成数字都会被抓出来；
• 方法2适合你明确知道非数字是文本类内容的情况，灵活性更高；
• 哪怕是几千行的数据，这两种方法的执行速度都很快，完全不用担心性能问题。

拿你给的示例数据测试的话，两种方法都会精准返回Jim那一行，帮你快速定位问题。

内容的提问来源于stack exchange，提问作者user7146708