Pandas清洗CSV文件时仅替换特定字符串内'1'的问题求解

• 待处理CSV每行均为数字字符串：每行前4个字符需保持原样，剩余部分需拆分为单个字符、以空格分隔
• 现存未拆分长分组格式类似8181818，这类串里的1实际是缺失的分隔符，需要替换为空格；注意不能误替换正常单独存在的1，拆分列时也不能覆盖后续原有列数据

方法1修正：拆分前替换 #

原逻辑的问题是判断条件过于粗糙，仅用len(x)>4筛选无法区分「作为分隔符存在的1」和「正常数据里的1」。
把长度判断替换为正则匹配，仅替换前后均为非1数字的1——这刚好是8181818这类未拆分串里1的独有特征，不会误伤其他位置的1，同时跳过每行前4个字符不做处理。
修正代码：

import pandas as pd
import re

Data2 = pd.read_csv("filename.csv")

def process_before_split(s):
    # 锁定前4个字符不处理
    keep_prefix = s[:4]
    process_part = s[4:]
    # 零宽断言匹配：仅替换夹在0/2-9之间的1，其余1全部保留
    process_part = re.sub(r'(?<=[02-9])1(?=[02-9])', ' ', process_part)
    return keep_prefix + process_part

Data2['Column'] = Data2['Column'].apply(process_before_split)
# 后续直接执行原有按空格拆分单字符的逻辑即可

方法2修正：拆分后替换 #

原逻辑的问题是拆分多值后直接赋值回原列，pandas会按列位置对齐覆盖后续列的原有数据。不要直接赋值，改为从原列位置开始逐列插入拆分后的值，原有列会自动向后推移，不会被覆盖。
注意处理多列时要从列号最大的目标列开始倒序处理，避免插入新列导致列序号偏移，找不到剩下的目标列。
修正代码：

# 按列号从大到小排序目标列，避免列偏移问题
target_columns = [961, 951, 89]
for col_idx in target_columns:
    # 替换当前列里目标分组的1
    cur_col = Data2[col_idx].apply(lambda x: x.replace('1',' ') if isinstance(x, str) and len(x) != 1 else x)
    # 按空格拆分
    split_result = cur_col.str.split(' ').tolist()
    split_df = pd.DataFrame(split_result, index=Data2.index)
    # 逐列插入到原位置
    for offset, val_col in enumerate(split_df.columns):
        Data2.insert(col_idx + offset, f'split_{col_idx}_{offset}', split_df[val_col])
    # 删除原来的未拆分列
    Data2.drop(columns=[col_idx], inplace=True)
# 重命名列号为连续数字
Data2.columns = range(len(Data2.columns))

不需要拆分替换两步走，直接逐行处理字符串，一次完成替换、拆分操作，从根源避免误替换、列覆盖问题，逻辑更易调试：

def process_row(row_str):
    # 保留前4个字符
    output = list(row_str[:4])
    rest = row_str[4:]
    processed_rest = []
    for i, char in enumerate(rest):
        if char == '1':
            # 检查当前1的前后字符，只有两边都是非1数字时才替换为空格
            prev = rest[i-1] if i > 0 else ''
            next_c = rest[i+1] if i < len(rest)-1 else ''
            if prev in '023456789' and next_c in '023456789':
                processed_rest.append(' ')
                continue
        processed_rest.append(char)
    # 按空格拆分，过滤空值
    split_rest = [c for c in ''.join(processed_rest).split(' ') if c]
    output.extend(split_rest)
    return output

# 逐行处理后直接生成最终拆分好的DataFrame
final_data = Data2['Column'].apply(process_row).tolist()
final_df = pd.DataFrame(final_data)

内容的提问来源于stack exchange，提问作者MHarrison