如何在Pandas DataFrame中正确处理日文字符的补位填充？

问题核心在于：Python默认按Unicode代码点计数字符，但日文字符（全角汉字、假名等）在显示时占2个宽度，半角字母/数字占1个宽度。直接用str.pad会把所有字符按1个宽度计算，导致补位结果不符合预期。

解决方案步骤 #

1. 先计算字符串的实际显示宽度
2. 根据目标宽度（15）计算需要补充的半角0数量
3. 拼接原字符串与补位的0

完整代码实现 #

from io import StringIO
import pandas as pd
import unicodedata

# 定义计算字符串显示宽度的函数
def get_display_width(s):
    total_width = 0
    for char in s:
        # 通过Unicode属性判断字符宽度：全角/宽字符占2，半角占1
        if unicodedata.east_asian_width(char) in ('W', 'F', 'A'):
            total_width += 2
        else:
            total_width += 1
    return total_width

# 加载原始数据
StringData = StringIO(
    """agency_code,Name
亜草 太郎32,ﾊﾟﾝﾀﾞｰｻﾝ
亜草 太郎3223,2
"""
)
df_orig_data = pd.read_csv(StringData, sep=",")

# 执行补位操作
df_orig_data['padded_agency_code'] = df_orig_data['agency_code'].apply(
    lambda s: s + '0' * (15 - get_display_width(s))
)

# 输出结果
print(df_orig_data['padded_agency_code'])

输出结果 #

0    亜草 太郎320000
1    亜草 太郎322300
Name: padded_agency_code, dtype: object

关键说明 #

• unicodedata.east_asian_width()：用于判断字符的东亚宽度属性，其中W/F/A对应占2宽度的全角/宽字符，其他值对应占1宽度的半角字符
• 补位用的半角0每个占1宽度，因此直接用15 - 当前显示宽度即可得到需要补充的0的数量

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