如何在pandas DataFrame中基于正则匹配列值执行对应处理逻辑

问题场景 #

从Excel读取数据生成pandas DataFrame时，单列可能同时包含文本、整数、小数三类值。本次待处理列的示例原始值为：Does not apply、2、5、0.07、0.45、7% offset，常规整数正则匹配方案无法覆盖全部处理逻辑。

处理规则 #

• 纯整数值：值前添加$前缀
• 小于1的纯小数值：数值乘以100后添加%后缀
• 任意位置包含非数字文本的值：保留原值不做修改
  对应预期处理结果：Does not apply、$2、$5、70%、45%、7% offset（注：示例中0.07对应70%为输入笔误，实际原始值应为0.7，以下代码严格遵循给定规则实现）

实现代码 #

先将值统一转为字符串做正则匹配，区分纯数字内容和带文本的内容，再按规则分别处理，兼容pandas读取时自动识别的int、float、str三种数据类型。

import pandas as pd
import re

def format_mixed_val(val):
    s_val = str(val).strip()
    # 匹配纯整数
    if re.fullmatch(r'\d+', s_val):
        return f'${s_val}'
    # 匹配小于1的纯小数
    if re.fullmatch(r'0\.\d+', s_val):
        return f'{int(float(s_val) * 100)}%'
    # 带文本内容直接返回原值
    return val

# 调用示例：替换为实际列名即可
# df['your_col_name'] = df['your_col_name'].apply(format_mixed_val)

效果验证 #

按规则处理示例值的结果：

• Does not apply：含文本，返回原值
• 2：纯整数，返回$2
• 5：纯整数，返回$5
• 0.7：小于1的纯小数，0.7*100=70，返回70%
• 0.45：小于1的纯小数，0.45*100=45，返回45%
• 7% offset：含文本，返回原值
  完全符合预期输出要求。

内容的提问来源于stack exchange，提问作者hkay