如何用Pandas仅为混合数据列中的整数补前导零？

我有一个包含混合数据类型列的CSV文件，用Python Pandas处理时，原本用以下代码给列补前导零：

df = pd.read_csv('test.csv')
df['column_A'] = df['column_A'].str.zfill(10)

但需求是仅为纯整数且长度不足10位的单元格补零，目前代码会错误处理含-的单元格（比如示例第5行）。示例数据及预期/实际结果如下：

解决方案 #

核心思路是先筛选出纯整数类型的单元格，再对其中长度不足10位的补前导零，其余单元格保持原样。可以用正则匹配结合条件赋值实现：

方法1：使用np.where #

import pandas as pd
import numpy as np

df = pd.read_csv('test.csv')
# 匹配纯整数的正则：^开头、\d+匹配1个以上数字、$结尾
is_integer = df['column_A'].str.match(r'^\d+$')
# 对符合条件且长度<10的单元格补零，否则保留原内容
df['column_A'] = np.where(
    is_integer & (df['column_A'].str.len() < 10),
    df['column_A'].str.zfill(10),
    df['column_A']
)

方法2：使用df.loc直接赋值 #

import pandas as pd

df = pd.read_csv('test.csv')
# 定位纯整数且长度不足10的行
mask = df['column_A'].str.match(r'^\d+$') & (df['column_A'].str.len() < 10)
# 仅对这些行补零
df.loc[mask, 'column_A'] = df.loc[mask, 'column_A'].str.zfill(10)

验证结果 #

处理后的数据会完全符合预期：

• 纯整数且长度<10的单元格（如1234）被补为0000001234
• 含非数字字符的单元格（如ABC-1234、00-18）保持不变
• 长度≥10的纯整数（如1234567890123）也保持原样

内容的提问来源于stack exchange，提问作者Archelrex