仅对于非负（无符号）整数，请使用isdigit（）：

>>> a = "03523"
>>> a.isdigit()
True
>>> b = "963spam"
>>> b.isdigit()
False

isdigit（）文档：Python2，Python3

对于Python 2 Unicode字符串：isnumeric（）。

这不仅丑陋而且缓慢

我对这两个都有异议。

正则表达式或其他字符串解析方法会更丑陋、更慢。

我不确定有什么比上面提到的更快。它调用函数并返回。Try/Catch不会带来太多的开销，因为最常见的异常是在不大量搜索堆栈帧的情况下捕获的。

问题是任何数值转换函数都有两种结果

一个数字，如果该数字有效状态代码（例如，通过errno）或异常，表明无法解析任何有效数字。

C（作为一个例子）通过多种方式解决了这个问题。Python将其清晰明确地展示出来。

我认为你这样做的代码是完美的。

强制转换为float并捕获ValueError可能是最快的方法，因为float（）专门用于此。任何其他需要字符串解析（正则表达式等）的操作都可能会比较慢，因为它没有针对该操作进行调整。我的0.02美元。

这不仅是丑陋和缓慢的，而且显得笨拙。

这可能需要一些时间来适应，但这是一种蟒蛇式的方式。正如已经指出的那样，替代方案更糟糕。但这样做还有一个好处：多态性。

duck类型背后的核心思想是“如果它像鸭子一样走路和说话，那么它就是鸭子。”如果您决定需要对字符串进行子类化，这样您就可以更改确定某个对象是否可以转换为float的方式，该怎么办？或者如果你决定完全测试其他对象呢？您可以在不必更改上述代码的情况下执行这些操作。

其他语言通过使用接口来解决这些问题。我将保存对哪个解决方案更适合另一个线程的分析。不过，重点是python显然是在公式中的鸭子类型方面，如果你打算用python进行大量编程，你可能必须习惯这样的语法（但这并不意味着你当然要喜欢它）。

还有一点您可能需要考虑：与许多其他语言相比，Python在抛出和捕获异常方面非常快（例如，比.Net快30倍）。见鬼，语言本身甚至抛出异常来传达非异常的正常程序条件（每次使用for循环时）。因此，在您注意到一个重大问题之前，我不会太担心这段代码的性能方面。

这是我的简单方法。假设我在循环一些字符串，如果它们变成数字，我想将它们添加到数组中。

try:
    myvar.append( float(string_to_check) )
except:
    continue

如果myvar.apppend是一个数字，则将其替换为要对字符串执行的任何操作。其想法是尝试使用float（）操作，并使用返回的错误来确定字符串是否为数字。

在Alfe指出您不需要单独检查浮点数后更新，因为两者都是复杂的句柄：

def is_number(s):
    try:
        complex(s) # for int, long, float and complex
    except ValueError:
        return False

    return True

之前说过：在一些罕见的情况下，您可能还需要检查复数（例如1+2i），这不能用浮点数表示：

def is_number(s):
    try:
        float(s) # for int, long and float
    except ValueError:
        try:
            complex(s) # for complex
        except ValueError:
            return False

    return True

您可能需要考虑一个例外：字符串“NaN”

如果您希望is_number为“NaN”返回FALSE，则此代码将无法工作，因为Python将其转换为非数字的数字表示（请讨论身份问题）：

>>> float('NaN')
nan

否则，我应该感谢您现在广泛使用的这段代码

G.

我做了一些速度测试。让我们假设，如果字符串可能是一个数字，则try/except策略是最快的。如果字符串不可能是数字，并且您对整数检查感兴趣，则值得进行一些测试（isdigit加上标题“-”）。如果您有兴趣检查浮点数，则必须使用try/except代码而不进行转义。

只有Mimic C#

在C#中，有两个不同的函数处理标量值的解析：

Float.Parse（）Float.TryParse（）

float.parse（）：

def parse(string):
    try:
        return float(string)
    except Exception:
        throw TypeError

注意：如果您想知道为什么我将异常更改为TypeError，请参阅以下文档。

float.try_parse（）：

def try_parse(string, fail=None):
    try:
        return float(string)
    except Exception:
        return fail;

注意：您不希望返回布尔值“False”，因为这仍然是一个值类型。没有更好的，因为它表明失败。当然，如果您想要一些不同的东西，可以将fail参数更改为您想要的任何值。

要扩展float以包含“parse（）”和“try_parse（）”，您需要对“float”类进行monkeypatch以添加这些方法。

如果你想尊重已有的函数，代码应该是这样的：

def monkey_patch():
    if(!hasattr(float, 'parse')):
        float.parse = parse
    if(!hasattr(float, 'try_parse')):
        float.try_parse = try_parse

侧注：我个人更喜欢称之为“猴子打拳”，因为我这样做时感觉就像在滥用语言，但YMMV除外。

用法：

float.parse('giggity') // throws TypeException
float.parse('54.3') // returns the scalar value 54.3
float.tryParse('twank') // returns None
float.tryParse('32.2') // returns the scalar value 32.2

伟大的蟒蛇圣人对罗马教廷夏皮索斯说：“你能做的任何事，我都能做得更好；我能做得比你更好。”

因此，将所有这些放在一起，检查Nan、无穷大和复数（看起来它们是用j指定的，而不是i，即1+2j），结果是：

def is_number(s):
    try:
        n=str(float(s))
        if n == "nan" or n=="inf" or n=="-inf" : return False
    except ValueError:
        try:
            complex(s) # for complex
        except ValueError:
            return False
    return True

这个怎么样：

'3.14'.replace('.','',1).isdigit()

只有当有一个或没有“”时，它才会返回真在数字串中。

'3.14.5'.replace('.','',1).isdigit()

将返回false

编辑：刚刚看到另一条评论。。。可以为其他情况添加.replace（badstuff，“”，maxnum_badstuff）。如果你传递的是盐而不是任意的调味品（参考：xkcd#974），这会很好：P

我想看看哪种方法最快。总的来说，check_replace函数给出了最佳和最一致的结果。check_exception函数给出了最快的结果，但前提是没有触发异常——这意味着它的代码是最有效的，但抛出异常的开销非常大。

请注意，检查成功的强制转换是唯一准确的方法，例如，这与check_exception一起工作，但其他两个测试函数将为有效的float返回False：

huge_number = float('1e+100')

以下是基准代码：

import time, re, random, string

ITERATIONS = 10000000

class Timer:    
    def __enter__(self):
        self.start = time.clock()
        return self
    def __exit__(self, *args):
        self.end = time.clock()
        self.interval = self.end - self.start

def check_regexp(x):
    return re.compile("^\d*\.?\d*$").match(x) is not None

def check_replace(x):
    return x.replace('.','',1).isdigit()

def check_exception(s):
    try:
        float(s)
        return True
    except ValueError:
        return False

to_check = [check_regexp, check_replace, check_exception]

print('preparing data...')
good_numbers = [
    str(random.random() / random.random()) 
    for x in range(ITERATIONS)]

bad_numbers = ['.' + x for x in good_numbers]

strings = [
    ''.join(random.choice(string.ascii_uppercase + string.digits) for _ in range(random.randint(1,10)))
    for x in range(ITERATIONS)]

print('running test...')
for func in to_check:
    with Timer() as t:
        for x in good_numbers:
            res = func(x)
    print('%s with good floats: %s' % (func.__name__, t.interval))
    with Timer() as t:
        for x in bad_numbers:
            res = func(x)
    print('%s with bad floats: %s' % (func.__name__, t.interval))
    with Timer() as t:
        for x in strings:
            res = func(x)
    print('%s with strings: %s' % (func.__name__, t.interval))

以下是2017年MacBook Pro 13上Python 2.7.10的结果：

check_regexp with good floats: 12.688639
check_regexp with bad floats: 11.624862
check_regexp with strings: 11.349414
check_replace with good floats: 4.419841
check_replace with bad floats: 4.294909
check_replace with strings: 4.086358
check_exception with good floats: 3.276668
check_exception with bad floats: 13.843092
check_exception with strings: 15.786169

以下是2017年MacBook Pro 13上Python 3.6.5的结果：

check_regexp with good floats: 13.472906000000009
check_regexp with bad floats: 12.977665000000016
check_regexp with strings: 12.417542999999995
check_replace with good floats: 6.011045999999993
check_replace with bad floats: 4.849356
check_replace with strings: 4.282754000000011
check_exception with good floats: 6.039081999999979
check_exception with bad floats: 9.322753000000006
check_exception with strings: 9.952595000000002

以下是2017年MacBook Pro 13上PyPy 2.7.13的结果：

check_regexp with good floats: 2.693217
check_regexp with bad floats: 2.744819
check_regexp with strings: 2.532414
check_replace with good floats: 0.604367
check_replace with bad floats: 0.538169
check_replace with strings: 0.598664
check_exception with good floats: 1.944103
check_exception with bad floats: 2.449182
check_exception with strings: 2.200056

您可以使用Unicode字符串，它们有一种方法可以满足您的需要：

>>> s = u"345"
>>> s.isnumeric()
True

Or:

>>> s = "345"
>>> u = unicode(s)
>>> u.isnumeric()
True

http://www.tutorialspoint.com/python/string_isnumeric.htm

http://docs.python.org/2/howto/unicode.html

通过返回比True和False更有用的值，可以以有用的方式概括异常技术。例如，此函数将引号放在字符串周围，但不使用数字。这正是我需要的快速而肮脏的过滤器来为R定义一些变量。

import sys

def fix_quotes(s):
    try:
        float(s)
        return s
    except ValueError:
        return '"{0}"'.format(s)

for line in sys.stdin:
    input = line.split()
    print input[0], '<- c(', ','.join(fix_quotes(c) for c in input[1:]), ')'

RyanN建议

若要为NaN和Inf返回False，请将行更改为x=float；返回（x==x）和（x-1！=x）。对于除Inf和NaN之外的所有浮点值，这都应返回True

但这并不完全有效，因为对于足够大的浮点数，x-1==x返回true。例如，2.0**54-1==2.0**54

TL；DR最佳解决方案是s.replace（'.'，''，1）.isdigit（）

我做了一些比较不同方法的基准测试

def is_number_tryexcept(s):
    """ Returns True if string is a number. """
    try:
        float(s)
        return True
    except ValueError:
        return False
       
import re    
def is_number_regex(s):
    """ Returns True if string is a number. """
    if re.match("^\d+?\.\d+?$", s) is None:
        return s.isdigit()
    return True


def is_number_repl_isdigit(s):
    """ Returns True if string is a number. """
    return s.replace('.','',1).isdigit()

如果字符串不是数字，则except块非常慢。但更重要的是，try-except方法是正确处理科学符号的唯一方法。

funcs = [
          is_number_tryexcept, 
          is_number_regex,
          is_number_repl_isdigit
          ]

a_float = '.1234'

print('Float notation ".1234" is not supported by:')
for f in funcs:
    if not f(a_float):
        print('\t -', f.__name__)

以下项不支持浮点符号“.1234”：

is_number_regex编号科学1='1.000000e+50'科学2=“1e50”print（'不支持科学符号“1.0000000e+50”：'）对于函数中的f：如果不是f（科学1）：打印（'\t-'，f.name）print（'不支持科学符号“1e50”：'）对于函数中的f：如果不是f（科学2）：打印（'\t-'，f.name）

以下各项不支持科学符号“1.0000000e+50”：

is_number_regex编号is_number_repl_isdigit编号以下各项不支持科学符号“1e50”：is_number_regex编号is_number_repl_isdigit编号

编辑：基准结果

import timeit

test_cases = ['1.12345', '1.12.345', 'abc12345', '12345']
times_n = {f.__name__:[] for f in funcs}

for t in test_cases:
    for f in funcs:
        f = f.__name__
        times_n[f].append(min(timeit.Timer('%s(t)' %f, 
                      'from __main__ import %s, t' %f)
                              .repeat(repeat=3, number=1000000)))

测试了以下功能

from re import match as re_match
from re import compile as re_compile

def is_number_tryexcept(s):
    """ Returns True if string is a number. """
    try:
        float(s)
        return True
    except ValueError:
        return False

def is_number_regex(s):
    """ Returns True if string is a number. """
    if re_match("^\d+?\.\d+?$", s) is None:
        return s.isdigit()
    return True


comp = re_compile("^\d+?\.\d+?$")    

def compiled_regex(s):
    """ Returns True if string is a number. """
    if comp.match(s) is None:
        return s.isdigit()
    return True


def is_number_repl_isdigit(s):
    """ Returns True if string is a number. """
    return s.replace('.','',1).isdigit()

我需要确定字符串是否转换为基本类型（float、int、str、bool）。在互联网上找不到任何东西后，我创建了这个：

def str_to_type (s):
    """ Get possible cast type for a string

    Parameters
    ----------
    s : string

    Returns
    -------
    float,int,str,bool : type
        Depending on what it can be cast to

    """    
    try:                
        f = float(s)        
        if "." not in s:
            return int
        return float
    except ValueError:
        value = s.upper()
        if value == "TRUE" or value == "FALSE":
            return bool
        return type(s)

实例

str_to_type("true") # bool
str_to_type("6.0") # float
str_to_type("6") # int
str_to_type("6abc") # str
str_to_type(u"6abc") # unicode       

您可以捕获类型并使用它

s = "6.0"
type_ = str_to_type(s) # float
f = type_(s) 

对于非数字字符串，请尝试：except：实际上比正则表达式慢。对于有效数字的字符串，正则表达式速度较慢。因此，适当的方法取决于您的输入。

如果您发现自己处于性能绑定中，可以使用名为fastnumbers的新第三方模块，该模块提供一个名为isfloat的函数。完全披露，我是作者。我已将其结果包含在以下时间中。

from __future__ import print_function
import timeit

prep_base = '''\
x = 'invalid'
y = '5402'
z = '4.754e3'
'''

prep_try_method = '''\
def is_number_try(val):
    try:
        float(val)
        return True
    except ValueError:
        return False

'''

prep_re_method = '''\
import re
float_match = re.compile(r'[-+]?\d*\.?\d+(?:[eE][-+]?\d+)?$').match
def is_number_re(val):
    return bool(float_match(val))

'''

fn_method = '''\
from fastnumbers import isfloat

'''

print('Try with non-number strings', timeit.timeit('is_number_try(x)',
    prep_base + prep_try_method), 'seconds')
print('Try with integer strings', timeit.timeit('is_number_try(y)',
    prep_base + prep_try_method), 'seconds')
print('Try with float strings', timeit.timeit('is_number_try(z)',
    prep_base + prep_try_method), 'seconds')
print()
print('Regex with non-number strings', timeit.timeit('is_number_re(x)',
    prep_base + prep_re_method), 'seconds')
print('Regex with integer strings', timeit.timeit('is_number_re(y)',
    prep_base + prep_re_method), 'seconds')
print('Regex with float strings', timeit.timeit('is_number_re(z)',
    prep_base + prep_re_method), 'seconds')
print()
print('fastnumbers with non-number strings', timeit.timeit('isfloat(x)',
    prep_base + 'from fastnumbers import isfloat'), 'seconds')
print('fastnumbers with integer strings', timeit.timeit('isfloat(y)',
    prep_base + 'from fastnumbers import isfloat'), 'seconds')
print('fastnumbers with float strings', timeit.timeit('isfloat(z)',
    prep_base + 'from fastnumbers import isfloat'), 'seconds')
print()

Try with non-number strings 2.39108395576 seconds
Try with integer strings 0.375686168671 seconds
Try with float strings 0.369210958481 seconds

Regex with non-number strings 0.748660802841 seconds
Regex with integer strings 1.02021503448 seconds
Regex with float strings 1.08564686775 seconds

fastnumbers with non-number strings 0.174362897873 seconds
fastnumbers with integer strings 0.179651021957 seconds
fastnumbers with float strings 0.20222902298 seconds

如你所见

try：except：对于数字输入很快，但对于无效输入很慢当输入无效时，正则表达式非常有效fastnumbers在这两种情况下都获胜

我正在研究一个问题，这个问题使我想到了这个主题，即如何以最直观的方式将一组数据转换为字符串和数字。在阅读原始代码后，我意识到我需要的东西在两个方面有所不同：

1-如果字符串表示整数，我希望得到整数结果

2-我想要一个数字或字符串结果粘贴到数据结构中

所以我修改了原始代码来生成这个派生代码：

def string_or_number(s):
    try:
        z = int(s)
        return z
    except ValueError:
        try:
            z = float(s)
            return z
        except ValueError:
            return s

试试这个。

 def is_number(var):
    try:
       if var == int(var):
            return True
    except Exception:
        return False

对于int，请使用以下命令：

>>> "1221323".isdigit()
True

但对于float，我们需要一些技巧；-）。每个浮点数都有一个点。。。

>>> "12.34".isdigit()
False
>>> "12.34".replace('.','',1).isdigit()
True
>>> "12.3.4".replace('.','',1).isdigit()
False

对于负数，只需添加lstrip（）：

>>> '-12'.lstrip('-')
'12'

现在我们有了一个通用的方法：

>>> '-12.34'.lstrip('-').replace('.','',1).isdigit()
True
>>> '.-234'.lstrip('-').replace('.','',1).isdigit()
False

我知道这是一个特别古老的问题，但我想补充一个答案，我相信这个答案涵盖了投票最高的答案中缺少的信息，对任何发现这一点的人来说都非常有价值：

对于以下每个方法，如果需要接受任何输入，请将它们与计数连接。（假设我们使用的是整数的语音定义，而不是0-255等）

x.isdigit（）用于检查x是否为整数。

x.replace（'-'，''）.idigit（）用于检查x是否为负值。（值机柜台第一位）

x.replace（'.'，''）.idigit（）用于检查x是否为小数。

x.replace（“：”，“”）.idigit（）用于检查x是否为比率。

x.replace（'/'，''，1）.idigit（）用于检查x是否为分数。

我也使用了您提到的函数，但很快我注意到字符串“Nan”、“Inf”及其变体被视为数字。因此，我建议您改进函数的版本，该版本将在这些类型的输入上返回false，并且不会失败“1e3”变体：

def is_float(text):
    try:
        float(text)
        # check for nan/infinity etc.
        if text.isalpha():
            return False
        return True
    except ValueError:
        return False

使用以下方法处理所有情况：-

import re
a=re.match('((\d+[\.]\d*$)|(\.)\d+$)' ,  '2.3') 
a=re.match('((\d+[\.]\d*$)|(\.)\d+$)' ,  '2.')
a=re.match('((\d+[\.]\d*$)|(\.)\d+$)' ,  '.3')
a=re.match('((\d+[\.]\d*$)|(\.)\d+$)' ,  '2.3sd')
a=re.match('((\d+[\.]\d*$)|(\.)\d+$)' ,  '2.3')

该答案提供了一步一步的指导，具有查找字符串的示例：

正整数正/负-整数/浮点如何在检查数字时丢弃“NaN”（不是数字）字符串？

检查字符串是否为正整数

您可以使用str.idigit（）检查给定的字符串是否为正整数。

样本结果：

# For digit
>>> '1'.isdigit()
True
>>> '1'.isalpha()
False

检查字符串是否为正/负-整数/浮点

如果字符串是负数或浮点数，str.isdigit（）返回False。例如：

# returns `False` for float
>>> '123.3'.isdigit()
False
# returns `False` for negative number
>>> '-123'.isdigit()
False

如果您还想检查负整数和浮点数，那么您可以编写一个自定义函数来检查它，如下所示：

def is_number(n):
    try:
        float(n)   # Type-casting the string to `float`.
                   # If string is not a valid `float`, 
                   # it'll raise `ValueError` exception
    except ValueError:
        return False
    return True

样品运行：

>>> is_number('123')    # positive integer number
True

>>> is_number('123.4')  # positive float number
True
 
>>> is_number('-123')   # negative integer number
True

>>> is_number('-123.4') # negative `float` number
True

>>> is_number('abc')    # `False` for "some random" string
False

检查数字时放弃“NaN”（非数字）字符串

上述函数将为“NAN”（非数字）字符串返回True，因为对于Python，它是表示它不是数字的有效浮点数。例如：

>>> is_number('NaN')
True

为了检查数字是否为“NaN”，可以使用math.isnan（）作为：

>>> import math
>>> nan_num = float('nan')

>>> math.isnan(nan_num)
True

或者，如果您不想导入其他库来检查它，那么您可以通过使用==将其与自身进行比较来检查它。当nan float与自身比较时，Python返回False。例如：

# `nan_num` variable is taken from above example
>>> nan_num == nan_num
False

因此，上述函数is_number可以更新为“NaN”返回False，如下所示：

def is_number(n):
    is_number = True
    try:
        num = float(n)
        # check for "nan" floats
        is_number = num == num   # or use `math.isnan(num)`
    except ValueError:
        is_number = False
    return is_number

样品运行：

>>> is_number('Nan')   # not a number "Nan" string
False

>>> is_number('nan')   # not a number string "nan" with all lower cased
False

>>> is_number('123')   # positive integer
True

>>> is_number('-123')  # negative integer
True

>>> is_number('-1.12') # negative `float`
True

>>> is_number('abc')   # "some random" string
False

PS：根据号码类型，每次检查的每次操作都会产生额外的开销。选择符合您需求的is_number函数版本。

我也有类似的问题。我想将字符串列表转换为浮点数，而不是定义isNumber函数，这在高级术语中是：

[ float(s) for s in list if isFloat(s)]

在给定的情况下，我们不能真正将float与isFloat函数分开：这两个结果应该由同一个函数返回。此外，如果float失败，整个过程将失败，而不仅仅是忽略错误元素。此外，“0”是一个有效的数字，应包含在列表中。当过滤掉坏元素时，一定不要排除0。

因此，必须以某种方式修改上述理解：

如果列表中的任何元素都无法转换，请忽略它并不要引发异常避免为每个元素多次调用float（一个用于转换，另一个用于测试）如果转换后的值为0，则它仍应出现在最终列表中

我提出了一个以C#的可空数值类型为灵感的解决方案。这些类型在内部由一个结构表示，该结构具有数值，并添加一个布尔值，指示该值是否有效：

def tryParseFloat(s):
    try:
        return(float(s), True)
    except:
        return(None, False)

tupleList = [tryParseFloat(x) for x in list]
floats = [v for v,b in tupleList if b]

import re
def is_number(num):
    pattern = re.compile(r'^[-+]?[-0-9]\d*\.\d*|[-+]?\.?[0-9]\d*$')
    result = pattern.match(num)
    if result:
        return True
    else:
        return False


​>>>: is_number('1')
True

>>>: is_number('111')
True

>>>: is_number('11.1')
True

>>>: is_number('-11.1')
True

>>>: is_number('inf')
False

>>>: is_number('-inf')
False

输入可能如下：

a=“50”b=50c=50.1d=“50.1”

1-一般输入：

这个函数的输入可以是一切！

查找给定变量是否为数字。数字字符串由可选符号、任意位数、可选小数部分和可选指数部分组成。因此，+0123.45e6是一个有效的数值。不允许使用十六进制（例如0xf4c3b000c）和二进制（例如0b10100111001）表示法。

is_numeric函数

import ast
import numbers              
def is_numeric(obj):
    if isinstance(obj, numbers.Number):
        return True
    elif isinstance(obj, str):
        nodes = list(ast.walk(ast.parse(obj)))[1:]
        if not isinstance(nodes[0], ast.Expr):
            return False
        if not isinstance(nodes[-1], ast.Num):
            return False
        nodes = nodes[1:-1]
        for i in range(len(nodes)):
            #if used + or - in digit :
            if i % 2 == 0:
                if not isinstance(nodes[i], ast.UnaryOp):
                    return False
            else:
                if not isinstance(nodes[i], (ast.USub, ast.UAdd)):
                    return False
        return True
    else:
        return False

测试：

>>> is_numeric("54")
True
>>> is_numeric("54.545")
True
>>> is_numeric("0x45")
True

is_float函数

查找给定变量是否为float。浮点数字符串由可选符号、任意数量的数字等组成。。。

import ast

def is_float(obj):
    if isinstance(obj, float):
        return True
    if isinstance(obj, int):
        return False
    elif isinstance(obj, str):
        nodes = list(ast.walk(ast.parse(obj)))[1:]
        if not isinstance(nodes[0], ast.Expr):
            return False
        if not isinstance(nodes[-1], ast.Num):
            return False
        if not isinstance(nodes[-1].n, float):
            return False
        nodes = nodes[1:-1]
        for i in range(len(nodes)):
            if i % 2 == 0:
                if not isinstance(nodes[i], ast.UnaryOp):
                    return False
            else:
                if not isinstance(nodes[i], (ast.USub, ast.UAdd)):
                    return False
        return True
    else:
        return False

测试：

>>> is_float("5.4")
True
>>> is_float("5")
False
>>> is_float(5)
False
>>> is_float("5")
False
>>> is_float("+5.4")
True

什么是ast？

2-如果您确信变量内容为字符串：

使用str.isdigit（）方法

>>> a=454
>>> a.isdigit()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'int' object has no attribute 'isdigit'
>>> a="454"
>>> a.isdigit()
True

3-数字输入：

检测int值：

>>> isinstance("54", int)
False
>>> isinstance(54, int)
True
>>> 

检测浮子：

>>> isinstance("45.1", float)
False
>>> isinstance(45.1, float)
True

这段代码处理指数、浮点数和整数，不使用正则表达式。

return True if str1.lstrip('-').replace('.','',1).isdigit() or float(str1) else False

我认为您的解决方案很好，但有一个正确的正则表达式实现。

对于这些答案，似乎有很多正则表达式的仇恨，我认为这是不合理的，正则表达式可以相当干净、正确和快速。这真的取决于你想做什么。最初的问题是如何“检查字符串是否可以表示为数字（浮点数）”（根据你的标题）。在检查了数值/浮点值是否有效后，您可能希望使用它，在这种情况下，try/except非常有意义。但是，如果出于某种原因，您只想验证字符串是数字，那么正则表达式也可以正常工作，但很难得到正确的结果。例如，我认为到目前为止，大多数正则表达式的答案都不能正确解析没有整数部分（如“.7”）的字符串，就python而言，整数部分是一个浮点数。在不需要小数部分的单个正则表达式中检查这一点有点困难。我包含了两个正则表达式来显示这一点。

它确实提出了一个有趣的问题，即“数字”是什么。您是否包含“inf”，它在python中作为浮点数有效？或者您是否包含“数字”但可能无法在python中表示的数字（例如大于float max的数字）。

解析数字的方式也存在歧义。例如，“--20”呢？这是一个“数字”吗？这是代表“20”的合法方式吗？Python将允许您执行“var=--20”并将其设置为20（尽管实际上这是因为它将其作为表达式处理），但float（“--20”）不起作用。

无论如何，在没有更多信息的情况下，这里有一个正则表达式，我相信它涵盖了python解析它们时的所有int和float。

# Doesn't properly handle floats missing the integer part, such as ".7"
SIMPLE_FLOAT_REGEXP = re.compile(r'^[-+]?[0-9]+\.?[0-9]+([eE][-+]?[0-9]+)?$')
# Example "-12.34E+56"      # sign (-)
                            #     integer (12)
                            #           mantissa (34)
                            #                    exponent (E+56)

# Should handle all floats
FLOAT_REGEXP = re.compile(r'^[-+]?([0-9]+|[0-9]*\.[0-9]+)([eE][-+]?[0-9]+)?$')
# Example "-12.34E+56"      # sign (-)
                            #     integer (12)
                            #           OR
                            #             int/mantissa (12.34)
                            #                            exponent (E+56)

def is_float(str):
  return True if FLOAT_REGEXP.match(str) else False

一些示例测试值：

True  <- +42
True  <- +42.42
False <- +42.42.22
True  <- +42.42e22
True  <- +42.42E-22
False <- +42.42e-22.8
True  <- .42
False <- 42nope

在@ron reiter的回答中运行基准测试代码表明，这个正则表达式实际上比普通正则表达式快，并且在处理错误值方面比异常快得多，这是有道理的。结果：

check_regexp with good floats: 18.001921
check_regexp with bad floats: 17.861423
check_regexp with strings: 17.558862
check_correct_regexp with good floats: 11.04428
check_correct_regexp with bad floats: 8.71211
check_correct_regexp with strings: 8.144161
check_replace with good floats: 6.020597
check_replace with bad floats: 5.343049
check_replace with strings: 5.091642
check_exception with good floats: 5.201605
check_exception with bad floats: 23.921864
check_exception with strings: 23.755481

用户助手功能：

def if_ok(fn, string):
  try:
    return fn(string)
  except Exception as e:
    return None

然后

if_ok(int, my_str) or if_ok(float, my_str) or if_ok(complex, my_str)
is_number = lambda s: any([if_ok(fn, s) for fn in (int, float, complex)])

def is_float(s):
    if s is None:
        return False

    if len(s) == 0:
        return False

    digits_count = 0
    dots_count = 0
    signs_count = 0

    for c in s:
        if '0' <= c <= '9':
            digits_count += 1
        elif c == '.':
            dots_count += 1
        elif c == '-' or c == '+':
            signs_count += 1
        else:
            return False

    if digits_count == 0:
        return False

    if dots_count > 1:
        return False

    if signs_count > 1:
        return False

    return True

str.inumeric（）

如果字符串中的所有字符都是数字字符，则返回True，并且至少有一个字符，否则为False。数字字符包括数字字符Unicode数值属性，例如U+2155，VULGAR FRACTION ONE第五。形式上，数字字符是具有属性值的字符Numeric_Type=数字，Numeric_Type=十进制或Numeric_Type=数字。

str.isdecimal（）

如果字符串中的所有字符都是十进制字符，并且至少有一个字符，否则为False。十进制字符是可用于在基数10中形成数字的那些，阿拉伯数字零。形式上，十进制字符是一个字符在Unicode通用类别“Nd”中。

两者都适用于Python 3.0中的字符串类型。

在浮点数的最常见情况下，我们希望处理整数和小数。让我们以字符串“1.1”为例。

我会尝试以下方法之一：

1.>isnumeric（）

word = "1.1"

"".join(word.split(".")).isnumeric()
>>> True

2.>isdigit（）

word = "1.1"

"".join(word.split(".")).isdigit()
>>> True

3.>isdecimal（）

word = "1.1"

"".join(word.split(".")).isdecimal()
>>> True

速度：

► 所有上述方法具有相似的速度。

%timeit "".join(word.split(".")).isnumeric()
>>> 257 ns ± 12 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit "".join(word.split(".")).isdigit()
>>> 252 ns ± 11 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit "".join(word.split(".")).isdecimal()
>>> 244 ns ± 7.17 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

很抱歉，Zombie发布了一篇帖子-只是想让代码更加完整。。。

# is_number() function - Uses re = regex library
# Should handle all normal and complex numbers
# Does not accept trailing spaces. 
# Note: accepts both engineering "j" and math "i" but only the imaginary part "+bi" of a complex number a+bi
# Also accepts inf or NaN
# Thanks to the earlier responders for most the regex fu

import re

ISNUM_REGEXP = re.compile(r'^[-+]?([0-9]+|[0-9]*\.[0-9]+)([eE][-+]?[0-9]+)?[ij]?$')

def is_number(str):
#change order if you have a lot of NaN or inf to parse
    if ISNUM_REGEXP.match(str) or str == "NaN" or str == "inf": 
        return True 
    else:
        return False
# A couple test numbers
# +42.42e-42j
# -42.42E+42i

print('Is it a number?', is_number(input('Gimme any number: ')))

给我任何号码：+42.42e-42j

是数字吗？真的

对于我非常简单和常见的用例：这个用键盘书写的字符串是数字吗？

我通读了大部分答案，最后得到了：

def isNumeric(string):
    result = True
    try:
        x = float(string)
       result = (x == x) and (x - 1 != x)
    except ValueError:
        result = False
    return result

对于（+/-）NaN和（+-）inf，它将返回False。

你可以在这里查看：https://trinket.io/python/ce32c0e54e

我知道我参加晚会迟到了，但我想出了一个不在这里的解决方案：此解决方案遵循Python中的EAFP原则

def get_number_from_string(value):
    try:
        int_value = int(value)
        return int_value

    except ValueError:
        return float(value)

说明：

如果字符串中的值是一个浮点数，并且我首先尝试将其解析为一个int，那么它将抛出一个ValueError。因此，我捕捉到该错误，并将该值解析为float和return。

一个快速而简单的选项是检查数据类型：

def is_number(value):
    return type(value) in [int, float]

或者，如果要测试字符串的值是否为数字：

def isNumber (value):
    return True if type(value) in [int, float] else str(value).replace('.','',1).isdigit()

测验：

>>> isNumber(1)
True

>>> isNumber(1/3)
True

>>> isNumber(1.3)
True

>>> isNumber('1.3')
True

>>> isNumber('s1.3')
False

这篇文章已经有了很好的答案。我想给出一个稍微不同的观点。

我们可以对字母表进行否定搜索，而不是搜索数字、数字或浮点数。即，我们可以要求程序查看它是否不是字母表。

## Check whether it is not alpha rather than checking if it is digit
print(not "-1.2345".isalpha())
print(not "-1.2345e-10".isalpha())

如果你确定你的字符串是一个格式良好的数字（下面的条件1和条件2），它会很好地工作。但是，如果字符串错误地不是一个格式良好的数字，那么它将失败。在这种情况下，即使字符串不是有效的数字，它也会返回数字匹配。为了解决这种情况，必须有许多基于规则的方法。然而，此时此刻，我想起了正则表达式。以下是三个案例。请注意，正则表达式可以更好，因为我不是正则表达式专家。下面有两个列表：一个用于有效数字，一个用于无效数字。必须拾取有效数字，而不能拾取无效数字。

==条件1：确保字符串为有效数字，但未选择“inf”==

Valid_Numbers = ["1","-1","+1","0.0",".1","1.2345","-1.2345","+1.2345","1.2345e10","1.2345e-10","-1.2345e10","-1.2345E10","-inf"]
Invalid_Numbers = ["1.1.1","++1","--1","-1-1","1.23e10e5","--inf"]

################################ Condition 1: Valid number excludes 'inf' ####################################

Case_1_Positive_Result = list(map(lambda x: not x.isalpha(),Valid_Numbers))
print("The below must all be True")
print(Case_1_Positive_Result)

## This check assumes a valid number. So it fails for the negative cases and wrongly detects string as number
Case_1_Negative_Result = list(map(lambda x: not x.isalpha(),Invalid_Numbers))
print("The below must all be False")
print(Case_1_Negative_Result)

The below must all be True
[True, True, True, True, True, True, True, True, True, True, True, True, True]
The below must all be False
[True, True, True, True, True, True]

==条件2：确保字符串为有效数字，并选择“inf”==

################################ Condition 2: Valid number includes 'inf'  ###################################
Case_2_Positive_Result = list(map(lambda x: x=="inf" or not x.isalpha(),Valid_Numbers+["inf"]))
print("The below must all be True")
print(Case_2_Positive_Result)

## This check assumes a valid number. So it fails for the negative cases and wrongly detects string as number
Case_2_Negative_Result = list(map(lambda x: x=="inf" or not x.isalpha(),Invalid_Numbers+["++inf"]))
print("The below must all be False")
print(Case_2_Negative_Result)

The below must all be True
[True, True, True, True, True, True, True, True, True, True, True, True, True, True]
The below must all be False
[True, True, True, True, True, True, True]

==条件3：字符串不保证是有效数字==

import re
CompiledPattern = re.compile(r"([+-]?(inf){1}$)|([+-]?[0-9]*\.?[0-9]*$)|([+-]?[0-9]*\.?[0-9]*[eE]{1}[+-]?[0-9]*$)")
Case_3_Positive_Result = list(map(lambda x: True if CompiledPattern.match(x) else False,Valid_Numbers+["inf"]))
print("The below must all be True")
print(Case_3_Positive_Result)

## This check assumes a valid number. So it fails for the negative cases and wrongly detects string as number
Case_3_Negative_Result = list(map(lambda x: True if CompiledPattern.match(x) else False,Invalid_Numbers+["++inf"]))
print("The below must all be False")
print(Case_3_Negative_Result)

The below must all be True
[True, True, True, True, True, True, True, True, True, True, True, True, True, True]
The below must all be False
[False, False, False, False, False, False, False]