जांचें कि क्या एक कॉलम का डेटा प्रकार पंडों में संख्या या NaN है

आप करीब हैं, केवल ~ द्वारा मुखौटा उल्टा करें:

df.loc[~df.area.str.contains('^\d+$', na = True), 'check'] = 'area is not a number' 

print(df)
   id    room   area                 check
0   1   A-102  world  area is not a number
1   2     NaN     24                   NaN
2   3    B309    NaN                   NaN
3   4   C·102     25                   NaN
4   5  E_1089  hello  area is not a number
5   6      27    NaN                   NaN
6   7      27    NaN                   NaN

या Series.where:

df['check'] = df['check'].where(df.area.str.contains('^\d+$', na = True),
                                'area is not a number') 

संपादित करें:

m1 = df.room.str.contains('([^a-zA-Z\d\-])', na = True)
m2 = df.area.str.contains('^\d+$', na = True)
v1 = 'room name is not valid'
v2 = 'area is not a number'


df['check'] = np.where(m1 & ~m2, v1 + ', ' + v2, 
              np.where(m1, v1,
              np.where(~m2, v2, None)))

print(df)
   id    room   area                                         check
0   1   A-102  world                          area is not a number
1   2     NaN     24                        room name is not valid
2   3    B309    NaN                                          None
3   4   C 102     25                        room name is not valid
4   5  E_1089  hello  room name is not valid, area is not a number
5   6      27    NaN                                          None
6   7      27    NaN                                          None