Pandas中如何仅对列内纯数值字符串移除前导零

首先构造示例测试数据：

import pandas as pd

# 构建和问题中一致的示例DataFrame
df = pd.DataFrame({
    'col1': [1, 2, 3],
    'col2': ['ABC8392akl', '001523', '000ABC58']
})

以下三种方法都可以实现需求，可根据编码习惯选择：

• 方法1：正则判断+字符串裁剪
  先通过正则判断字符串是否为纯数字，仅对纯数字内容移除前导零，额外兼容了全零字符串（比如0000）裁剪后为空的边界问题：

  df['col2'] = df['col2'].where(
      ~df['col2'].str.fullmatch(r'\d+'),
      df['col2'].str.lstrip('0').replace('', '0')
  )
  

• 方法2：利用pandas数值转换容错机制
  不需要手写正则，靠pd.to_numeric判断内容是否能转为数值，可转的即为纯数字字符串，转成整数时会自动丢弃前导零，不可转的保留原始内容：

  def strip_leading_zero(s):
      num_val = pd.to_numeric(s, errors='coerce')
      return str(int(num_val)) if pd.notna(num_val) else s
  
  df['col2'] = df['col2'].apply(strip_leading_zero)
  

• 方法3：正则直接替换
  用正向预查正则，仅匹配纯数字字符串开头的所有前导零，替换为空即可，自动兼容全零字符串场景：

  df['col2'] = df['col2'].str.replace(r'^0+(?=\d+$)', '', regex=True)
  

任意一种方法执行后，输出结果都和预期一致：

提示：如果目标列存在空值，建议先做空值过滤或填充，避免运行时报错。

内容的提问来源于stack exchange，提问作者question12