如何在Pandas DataFrame中将Zip+4编码转换为标准Zip编码

需求说明 #

将DataFrame中的Zip+4编码（含01234-5678或012345678格式）转换为5位标准Zip编码，仅保留前5位数字；非数字Zip格式的内容保持原样。

用户尝试记录 #

• 尝试的错误代码：

df.replace('^(\d{5}-?\d{4})', group(1), regex=True)

• 可行的列表处理代码（希望迁移到DataFrame）：

my_input = ['01234-5678', '012345678', '01234', 'A1A 1A1', 'A1A1A1']
expression = re.compile(r'^(\d{5})-?(\d{4})?$')

my_output = []
for string in my_input: 
    if m := re.match(expression, string): 
        my_output.append(re.match(expression, string).group(1)) 
    else: 
        my_output.append(string)

解决方案 #

方法1：str.replace正则替换（最简洁）

直接对目标列使用正则替换，匹配所有符合Zip/ Zip+4的数字格式，保留前5位：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'zip_code': ['01234-5678', '012345678', '01234', 'A1A 1A1', 'A1A1A1']
})

# 正则替换：匹配5位数字开头+可选的横杠+4位数字，替换为前5位
df['zip_code'] = df['zip_code'].str.replace(r'^(\d{5})(-?\d{4})?$', r'\1', regex=True)

正则说明：^(\d{5})(-?\d{4})?$精准匹配两种合法格式，非匹配内容（如加拿大邮编）不会被修改。

方法2：str.extract提取+补全

通过提取开头的5位数字，提取失败时保留原内容：

df['zip_code'] = df['zip_code'].str.extract(r'^(\d{5})', expand=False).fillna(df['zip_code'])

逻辑：str.extract仅提取符合条件的前5位数字，提取不到返回NaN，fillna将NaN替换为原字符串。

方法3：沿用列表逻辑的apply方法

直接将列表处理逻辑迁移到DataFrame列，完全匹配用户原有逻辑：

import re

expression = re.compile(r'^(\d{5})-?(\d{4})?$')
df['zip_code'] = df['zip_code'].apply(lambda x: expression.match(x).group(1) if expression.match(x) else x)

优势：和用户的列表代码逻辑完全一致，便于理解和调试。

内容的提问来源于stack exchange，提问作者Pete