如何在pandas df.replace()中修改捕获组实现数字千分位格式化

需要在pandas方法链式调用中，为DataFrame单元格字符串内的数字添加千分位分隔符。当前尝试用df.replace()方法，但无法正确处理正则捕获组的后续格式化，比如尝试str(float(r"\1"))完全无效。

现有代码：

import pandas as pd

df = pd.DataFrame({'a_column': ['1000 text', 'text', '25000 more text', '1234567', 'more text'],
        "b_column": [1, 2, 3, 4, 5]})

df = (df.reset_index()
      .replace({"a_column": {"(\d+)": r"\1"}}, regex=True))

期望输出：

index         a_column  b_column
0      0        1,000 text       1
1      1            text         2
2      2  25,000 more text       3
3      3        1,234,567        4
4      4        more text        5

df.replace()的正则替换仅支持固定字符串或简单反向引用，无法直接对捕获的数字做格式化处理。要实现需求，需在链式调用中使用str.replace()配合自定义格式化逻辑，或者通过apply处理目标列。

方法1：链式调用中用assign + str.replace配合lambda #

利用Python字符串格式化功能，将捕获到的数字字符串转换为整数后添加千分位分隔符：

import pandas as pd

df = pd.DataFrame({'a_column': ['1000 text', 'text', '25000 more text', '1234567', 'more text'],
        "b_column": [1, 2, 3, 4, 5]})

df = (df.reset_index()
      .assign(a_column=lambda x: x['a_column'].str.replace(
          r'(\d+)',
          lambda match: f"{int(match.group(1)):,}",
          regex=True
      )))

print(df)

方法说明 #

• 使用assign方法在链式调用中修改a_column，保持调用链的连贯性
• str.replace的第二个参数传入lambda函数，接收匹配对象match，通过match.group(1)获取捕获的数字字符串
• 用f"{int(match.group(1)):,}"语法将数字转换为整数后自动添加千分位分隔符

输出结果 #

index         a_column  b_column
0      0        1,000 text         1
1      1              text         2
2      2  25,000 more text         3
3      3        1,234,567         4
4      4        more text         5

内容的提问来源于stack exchange，提问作者mouwsy