如何在Pandas DataFrame中先检测特定字符再修改格式

需求场景 #

原始DataFrame：

0    1    2
0   1   02    3
1   1   04   04
2   1   54   04
3   1    *    *

想要把列里像02这种带前置零的数字转成2，同时保留*不变，最终得到：

0    1   2
0   1    2   3
1   1    4   4
2   1   54   4
3   1    *   *

原代码的问题 #

你之前写的代码：

if MasterDf.iloc[:,2].str.contains('*'):
    pass
else:
    MasterDf.iloc[:,2] = MasterDf.iloc[:,2].astype('int64') 

根本跑不起来或者没效果，原因有三个：

1. *是正则通配符，直接用str.contains('*')会匹配任意字符，要匹配星号本身得写成str.contains('\*')
2. str.contains返回的是一整列布尔值，不是单个True/False，直接丢if里会触发报错（Pandas不允许把Series转成单个布尔值判断）
3. 就算判断逻辑对了，整列转int64的时候，因为存在*这个非数字字符，转换直接失败

正确的解决方法 #

方法1：自定义函数逐个处理元素 #

逐个检查元素，是数字就转成整数（自动去掉前置零），是星号就保留：

def format_col(x):
    if x == '*':
        return x
    # 转成整数再转回字符串，自动去掉前置零
    return str(int(x))

# 处理第2列（索引为2）
MasterDf.iloc[:, 2] = MasterDf.iloc[:, 2].apply(format_col)

方法2：正则替换更高效 #

用正则直接匹配带前置零的数字，替换成去掉零的部分：

import re

MasterDf.iloc[:, 2] = MasterDf.iloc[:, 2].apply(
    lambda x: re.sub(r'^0+(\d+)$', r'\1', x) if x != '*' else x
)

这个正则的逻辑是：匹配以一个或多个0开头、后面跟着数字的字符串，去掉前面的0，只保留核心数字部分。比如02→2，04→4，54本身无前置零，保持不变。

验证结果 #

运行上面任意一种方法后，就能得到你想要的DataFrame格式，既处理了前置零的数字，又保留了星号标记。

内容的提问来源于stack exchange，提问作者Kenny