如何在DataFrame中为以数字开头的指定列字符串前置同行另一列字符串

先看看你的需求场景：

我有如下DataFrame（df）：

col_1    col_2    col_3    col_4
sample_001  fjsah    AB    11-110
sample_002  dfshb    CD    20-210
sample_003  fsvhb    EF    N3-303
sample_004  dfbkk    GH    Q4-444
sample_005  gnddl    IJ    55-005

需要实现：仅当col_4中的字符串以数字开头时，将同行col_3中的字符串前置到该col_4字符串前，处理后得到目标DataFrame：

col_1    col_2    col_3    col_4
sample_001  fjsah    AB    AB11-110
sample_002  dfshb    CD    CD20-210
sample_003  fsvhb    EF    N3-303
sample_004  dfbkk    GH    Q4-444
sample_005  gnddl    IJ    IJ55-005

我已经能通过以下代码识别出col_4中以数字开头的字符串：

for n in df['col_4']:
    if n[0].isdigit():
        print(n)

但不清楚如何在循环中实现这种「选择性合并」操作。

方法一：用apply函数（更简洁高效） #

在pandas里处理行级逻辑，apply是很方便的选择，不用手动写复杂循环。直接对每行做判断，满足条件就拼接列值，否则保留原值：

import pandas as pd

# 先构造你的DataFrame（如果已经有了可以跳过这部分）
data = {
    'col_1': ['sample_001', 'sample_002', 'sample_003', 'sample_004', 'sample_005'],
    'col_2': ['fjsah', 'dfshb', 'fsvhb', 'dfbkk', 'gnddl'],
    'col_3': ['AB', 'CD', 'EF', 'GH', 'IJ'],
    'col_4': ['11-110', '20-210', 'N3-303', 'Q4-444', '55-005']
}
df = pd.DataFrame(data)

# 核心处理逻辑
df['col_4'] = df.apply(
    lambda row: row['col_3'] + row['col_4'] if row['col_4'][0].isdigit() else row['col_4'],
    axis=1
)

print(df)

这里axis=1指定按行处理，lambda函数里的逻辑完全匹配你的需求：检查col_4的首字符是不是数字，是就把col_3拼在前面，否则保持col_4不变。

方法二：修改你现有的循环逻辑 #

如果你想基于自己写的循环来实现，关键是要拿到行的索引，这样才能精准修改DataFrame里的对应值。原来的循环只遍历了col_4的数值，没有关联到具体行，所以没法修改数据。可以用iterrows()来遍历行和索引：

for idx, row in df.iterrows():
    # 判断col_4首字符是否为数字
    if row['col_4'][0].isdigit():
        # 通过索引定位并修改该行的col_4值
        df.loc[idx, 'col_4'] = row['col_3'] + row['col_4']

这样循环的时候，每一行的索引idx和行数据row都能拿到，满足条件时就用df.loc[idx, 'col_4']把拼接后的值赋值回去，就能实现你要的选择性合并了。

内容的提问来源于stack exchange，提问作者Bot75