Python：将列中数据转为三位格式并拼接生成Product_Code列

针对你的需求，我们可以用Python的Pandas库轻松实现，分两步走：先把Color列处理成三位带前导零的字符串，再和Style列拼接成Product_Code。

步骤1：准备示例数据 #

先模拟你给出的示例数据（注意Color列是浮点数类型）：

import pandas as pd

# 创建示例DataFrame
data = {
    'Style': [323, 400, 323],
    'Color': [10.0, 111.0, 23.0],
    'Price': [10, 8, 5]
}
df = pd.DataFrame(data)

步骤2：处理Color列格式 #

因为Color是浮点数，我们需要先把它转换成整数（去掉小数点），再格式化为三位带前导零的字符串。这里有两种常用方法：

方法A：使用astype(int) + str.zfill(3) #

# 先转整数，再补零到三位
df['Color_formatted'] = df['Color'].astype(int).astype(str).str.zfill(3)

• astype(int)：把浮点数转成整数（比如10.0→10，23.0→23）
• astype(str)：转成字符串才能使用zfill方法
• str.zfill(3)：自动在字符串前面补零，直到总长度为3（比如'10'→'010'，'23'→'023'，'111'保持不变）

方法B：使用apply和格式化字符串 #

# 用lambda函数直接格式化
df['Color_formatted'] = df['Color'].apply(lambda x: f"{int(x):03d}")

这种方式更简洁，直接把浮点数转成整数后，用03d格式符强制输出三位数字，不足的补前导零。

步骤3：拼接生成Product_Code列 #

把Style列转成字符串，和处理后的Color字符串用-拼接：

df['Product_Code'] = df['Style'].astype(str) + '-' + df['Color_formatted']

最终结果 #

执行完以上步骤后，你的DataFrame会变成：

如果不需要保留Color_formatted中间列，可以直接一步到位：

df['Product_Code'] = df['Style'].astype(str) + '-' + df['Color'].apply(lambda x: f"{int(x):03d}")

这样就完美实现了你想要的Product_Code格式！

内容的提问来源于stack exchange，提问作者June Smith