如何检查DataFrame中字符串的字符数并修正格式错误的AGE列整数数据？

嘿，这两个都是日常数据处理中很常见的清洗需求，我来给你一步步拆解解决方案：

问题1：检查字符串列字符数，移除长度为3且数字开头的首字符 #

首先，我们需要确保目标列是字符串类型（避免非字符串值干扰判断），然后通过**Pandas字符串访问器str**来实现条件判断和处理，推荐用矢量化操作（比循环高效太多）：

代码示例 #

import pandas as pd

# 先构造一个示例DataFrame
df = pd.DataFrame({'target_col': ['1ab', 'abc', '2cd', 'defg', '3xy', '45']})

# 核心处理逻辑：
# 1. 转字符串类型确保统一处理
# 2. mask方法：当条件满足时替换为切片后的值，否则保留原内容
df['target_col'] = df['target_col'].astype(str).mask(
    # 条件：长度为3 且 首字符是数字
    (df['target_col'].str.len() == 3) & (df['target_col'].str[0].str.isdigit()),
    # 满足条件时，取从第2个字符开始的所有内容（移除首字符）
    df['target_col'].str[1:]
)

逻辑说明 #

• astype(str)：把列中所有值转成字符串，避免整数/浮点数类型导致的str方法报错
• str.len() ==3：筛选出长度为3的字符串
• str[0].str.isdigit()：检查字符串的首字符是否为数字
• mask()：相当于"条件替换"——当条件为True时，用后面的切片值替换原内容，否则保留原值

问题2：修复AGE列的错误前缀（8/9开头的三位数字） #

这个问题里AGE是整数类型，我们需要先转成字符串做前缀判断，处理后再转回整数，同样用矢量化操作更高效：

步骤1：构造示例DataFrame #

import pandas as pd

data = {
    'OCCUPATION': ['Employed', 'Employed', 'Student', 'Self-Employed'],
    'AGE': [26, 45, 812, 926],
    'AREA_CODE': ['011', '012', '021', '011']
}
df = pd.DataFrame(data)

步骤2：高效修复AGE列（矢量化方式） #

# 先创建筛选掩码：AGE转字符串后长度为3，且以8或9开头
mask = (df['AGE'].astype(str).str.len() == 3) & (df['AGE'].astype(str).str.startswith(('8', '9')))

# 对符合条件的行，移除前缀后转回整数
df.loc[mask, 'AGE'] = df.loc[mask, 'AGE'].astype(str).str[1:].astype(int)

替代方案（用apply，适合小数据量） #

如果你的数据量很小，也可以用apply写个简单的lambda函数：

df['AGE'] = df['AGE'].astype(str).apply(
    lambda x: int(x[1:]) if len(x) ==3 and x[0] in ['8','9'] else int(x)
)

最终结果 #

处理后你会得到预期的DataFrame：

内容的提问来源于stack exchange，提问作者Mazil_tov998