使用什么正则函数可补5位数字前导零为6位，如何用gsub处理大规模数据？

注意：读取数据集时建议将目标列指定为字符类型，避免数值类型自动抹除原有前导零导致数据错误。

R语言实现 #

• 方法1：sprintf（优先推荐，性能更高，适合大规模数据集）
  直接对目标列执行即可，自动识别5位/6位数字，6位数字保持不变：

df$target_col <- sprintf("%06d", df$target_col)

参数%06d含义为：将输入格式化为整数，总长度固定为6位，长度不足时前导补0。

• 方法2：gsub正则实现
  如果必须用正则函数处理，先将目标列转为字符类型后执行：

df$target_col <- as.character(df$target_col)
df$target_col <- gsub("^(.{5})$", "0\\1", df$target_col)

正则^(.{5})$仅匹配长度为5的字符串，匹配成功后在开头补0，长度为6的字符串不会被匹配，保持原样。

Python（pandas）实现 #

针对大规模数据集的pandas处理方案：

• 方法1：zfill方法（优先推荐）

# 先转为字符类型，再调用zfill补到6位
df['target_col'] = df['target_col'].astype(str).str.zfill(6)

zfill(6)会自动将字符串补全到6位长度，缺省部分自动补前导0，兼容5位、6位原始数据。

• 方法2：正则实现

df['target_col'] = df['target_col'].astype(str).replace(r'^(\d{5})$', r'0\1', regex=True)

Excel 原生批量处理 #

如果需要在Excel中直接操作：

1. 选中目标列，右键设置单元格格式-自定义，输入000000确认即可
2. 也可使用公式处理：在空白列输入=TEXT(A1,"000000")，下拉填充后替换原列即可

内容的提问来源于stack exchange，提问作者vpatel