如何在Pandas中按指定字符位置对齐DataFrame列？代码问题排查

问题背景 #

现有如下DataFrame：

Account_num First_Name  Last_Name   Zipcode  Amount
AAA111      AAA         BBB         12345    784.23
AAA112      AAB         BBA         44546    2145.32
AAA113      AAC         BBC         75452    6563.24
AAA114      AAD         BBD         45484    9532.21

需要按指定字符位置格式化每行内容：

• Account_num从第5个字符位置开始
• First_Name从第13个字符位置开始
• 对应SAS实现代码：

put @5(acct_num) @13(first_name)($char32. -l)@20(last_Name) ($char32. -l)

预期输出（首行是字符位置参考）：

1234567891112131415161718192021222324252627282930 
    AAA111   AAA           BBB   12345   784.23 
    AAA112   AAB           BBA   44546   2145.32 
    AAA113   AAC           BBC   75452   6563.24 
    AAA114   AAD           BBD   45484   9532.21

尝试的代码（未达预期） #

def format_columns(df): # Define column widths and positions
widths = [6, 10, 20, 8, 10]
positions = [5, 13, 33, 53, 63]
for col, width, pos in zip(df.columns, widths, positions): df[col] = df[col].astype(str).apply(lambda x: x.ljust(width))
df[col] = df[col].apply(lambda x: ’ ’ * (pos - len(x)) + x if len(x) < pos else x)
return df # Format DataFrame columns
formatted_df = format_columns(df)
print(formatted_df)

问题排查与修正方案 #

原代码的错误点 #

1. 语法缩进错误：函数内的变量定义、循环逻辑没有正确缩进，导致代码执行逻辑混乱
2. 仅处理最后一列：循环结束后col和pos仅保留最后一列的变量值，所以最后一行代码只会给最后一列添加前置空格，其他列完全未处理
3. 位置计算逻辑错误：pos - len(x)的计算逻辑不成立——经过ljust(width)处理后，len(x)已经是设定的宽度，正确的前置空格数应该基于字段的起始位置和前面内容的总长度计算

修正后的代码实现 #

以下是两种可行的实现方式：

方式1：基于位置替换的精确格式化

def format_row(row):
    # 定义每个字段的起始位置（从1开始计数）、宽度
    field_specs = [
        ("Account_num", 5, 6),
        ("First_Name", 13, 3),
        ("Last_Name", 20, 3),
        ("Zipcode", 26, 5),
        ("Amount", 32, 7)
    ]
    # 初始化足够长的空格列表，用于按位置替换内容
    line = [" "] * 50  # 可根据实际需求调整总长度
    for col, start_pos, width in field_specs:
        val = str(row[col])
        # 转换为0-based索引，替换对应位置的内容
        start_idx = start_pos - 1
        end_idx = start_idx + width
        line[start_idx:end_idx] = list(val.ljust(width))
    return "".join(line)

# 应用到DataFrame的每一行
formatted_lines = df.apply(format_row, axis=1)

# 打印字符位置参考行和格式化结果
pos_reference = "".join(str(i) for i in range(1, 51))
print(pos_reference)
for line in formatted_lines:
    print(line)

方式2：基于字符串拼接的格式化

def format_columns(df):
    # 列名、起始位置（1-based）、宽度
    col_specs = [
        ("Account_num", 5, 6),
        ("First_Name", 13, 3),
        ("Last_Name", 20, 3),
        ("Zipcode", 26, 5),
        ("Amount", 32, 7)
    ]
    formatted_rows = []
    for _, row in df.iterrows():
        line = ""
        prev_end = 0
        for col, start_pos, width in col_specs:
            # 计算当前字段需要填充的前置空格数
            spaces = start_pos - 1 - prev_end
            line += " " * spaces
            # 添加左对齐的字段内容
            line += str(row[col]).ljust(width)
            prev_end = start_pos - 1 + width
        formatted_rows.append(line)
    return formatted_rows

# 生成格式化后的行数据
formatted_rows = format_columns(df)

# 打印位置参考和结果
print("".join(str(i) for i in range(1, 51)))
for row in formatted_rows:
    print(row)

代码说明 #

两种方式都能实现按指定起始位置格式化字段的需求：

• 方式1通过初始化空格列表，按位置替换内容，能精确控制每个字符的位置
• 方式2通过计算前置空格数拼接字符串，逻辑更直观，适合快速实现

内容的提问来源于stack exchange，提问作者moikoi