Pandas如何将DataFrame数值列格式化为以空格为千位分隔符

你的代码运行后千位分隔符还是逗号，核心原因是：

• Series.replace()默认是整值精确匹配规则，只有单元格内容完全等于传入的第一个参数,时才会触发替换。而你格式化后的单元格内容是1,000、20,000这类包含逗号的完整字符串，无法匹配到独立的逗号，因此替换逻辑完全没生效。
• 你写的df['col1'].astype(str)没有将结果赋值回原列，属于无效代码，不过前一步map格式化后该列已经是字符串类型，这行不会影响最终结果，可以直接删掉。

方案1：格式化阶段直接生成目标格式（推荐，最简洁） #

不需要事后做替换，在数值格式化时直接把生成的逗号替换为空格即可，一步到位：

import pandas as pd
d = {'col1': [1000, 20000], 'col2': [300000, 400000]}
df = pd.DataFrame(d)
df['col1'] = df['col1'].map(lambda x: '{:,.0f}'.format(x).replace(',', ' '))

运行后col1列的值为['1 000', '20 000']，完全符合空格千位分隔的需求。

方案2：修正事后替换的逻辑 #

如果你希望保留先格式化再替换的写法，只需要给replace()传入regex=True参数，让它按字符规则匹配字符串内部的逗号，而非匹配整个单元格内容：

import pandas as pd
d = {'col1': [1000, 20000], 'col2': [300000, 400000]}
df = pd.DataFrame(d)
df['col1'] = df['col1'].map('{:,.0f}'.format)
df['col1'].replace(',', ' ', regex=True, inplace=True)

不推荐通过修改系统locale设置空格千分位的方案，该方案依赖运行环境的区域配置，跨环境运行很容易出现格式不生效的问题。

内容的提问来源于stack exchange，提问作者gabyflip