从Pandas DataFrame提取各列唯一非数值元素的方法

我来帮你高效解决这个问题！针对你想排查DataFrame中各列非数值输入类型的需求，这里有个简洁且高效的实现方案，完美匹配你的场景：

实现步骤 #

1. 准备示例数据 #

首先我们先还原你给出的示例DataFrame（方便测试代码）：

import pandas as pd
import numpy as np

data = {
    'FEATURE_1': [1, np.nan, 4, 1.34],
    'FEATURE_2': [1, 2, 'CANCELED', 2],
    'FEATURE_3': ['<1.5', 2, 3, '<1.5'],
    'FEATURE_4': ['>3.4', 4, 4.5, '<2']
}
df = pd.DataFrame(data)

2. 核心代码：提取非数值唯一值字典 #

利用字典推导式结合pandas的数值转换功能，一行代码就能搞定：

# 提取各列中无法转为数值的唯一值
non_numeric_unique = {
    col: df[col][pd.to_numeric(df[col], errors='coerce').isna()].unique().tolist()
    for col in df.select_dtypes(include='object').columns
}

# 过滤掉没有非数值的列（可选，让结果更整洁）
non_numeric_unique = {k: v for k, v in non_numeric_unique.items() if v}

3. 代码解释 #

• pd.to_numeric(df[col], errors='coerce')：尝试将列转为数值类型，无法转换的元素会被强制转为NaN
• .isna()：标记出转换后为NaN的位置（也就是原数据中的非数值元素）
• df[col][...]：根据标记提取对应的非数值元素
• .unique().tolist()：对提取的元素去重并转为列表
• 最后一步过滤操作会移除那些没有非数值的列，避免结果中出现空列表

4. 输出结果 #

运行上述代码后，你会得到完全符合预期的输出：

print(non_numeric_unique)
# 输出：
# {'FEATURE_2': ['CANCELED'], 'FEATURE_3': ['<1.5'], 'FEATURE_4': ['>3.4', '<2']}

扩展优化：排除原生NaN #

如果你的数据中存在原生的NaN（比如示例中FEATURE_1的NaN），而你不想把这类缺失值算作非数值，可以在筛选条件中加入排除原生NaN的判断：

non_numeric_unique = {
    col: df[col][(pd.to_numeric(df[col], errors='coerce').isna()) & (~df[col].isna())].unique().tolist()
    for col in df.select_dtypes(include='object').columns
}

内容的提问来源于stack exchange，提问作者EnTwiZle