如何为DataFrame列中缺失连字符的记录补全格式？

方法一：正则表达式替换（最简便） #

利用pandas的str.replace结合正则，直接匹配7位无连字符的记录，自动拆分并插入连字符：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'code': ['abcd-efg', 'abcdefg', 'hijk-lmn', 'hijklmn']})

# 批量转换格式：将7位无连字符的字符串转为xxxx-xxx
df['code'] = df['code'].str.replace(r'^(\w{4})(\w{3})$', r'\1-\2', regex=True)

• 正则^(\w{4})(\w{3})$精准匹配7位无连字符的记录（\w匹配字母/数字/下划线，若只匹配数字可换成\d）
• 替换逻辑：把7位字符串拆分为前4位和后3位，中间插入连字符，刚好符合xxxx-xxx格式

方法二：条件切片替换 #

如果需要更明确的条件控制，先筛选出目标记录再插入连字符：

# 筛选出长度为7且不含连字符的记录
mask = (df['code'].str.len() == 7) & (~df['code'].str.contains('-'))

# 在第4位后插入连字符（对应xxxx-xxx的格式）
df.loc[mask, 'code'] = df.loc[mask, 'code'].str.slice_replace(start=4, stop=4, repl='-')

• slice_replace(start=4, stop=4)表示在字符串的第4个字符位置（0索引）插入内容，刚好把7位字符串分成前4后3

以上两种方法都是pandas矢量化操作，比循环遍历效率高得多，适合处理大规模数据集。

内容的提问来源于stack exchange，提问作者PythonDeveloper