pandas实现字符串列去前导零并替换空值为0 需使用向量化操作

你可以直接用pandas内置的向量化字符串方法+空值填充实现需求，全程无循环，处理大规模数据的效率远高于逐行遍历。

完整实现代码 #

import pandas as pd
nums = {'amount': ['0324','S123','0010', None, '0030', 'SA40', 'SA24']}
df = pd.DataFrame(nums)

# 核心处理逻辑
df['amount'] = df['amount'].fillna('0').str.lstrip('0').replace('', '0')

如果需要把纯数字的结果转为整数类型，可以追加一行：

df['amount'] = pd.to_numeric(df['amount'], errors='ignore')

处理后结果 #

df['amount']的输出如下：

0     324
1    S123
2      10
3       0
4      30
5    SA40
6    SA24
Name: amount, dtype: object

逻辑说明 #

• 先调用fillna('0')把所有None空值替换为字符串'0'，避免后续字符串处理方法对空值报错
• 再用str.lstrip('0')批量移除所有字符串左侧的前导零，这是pandas原生的向量化操作，底层用C实现，速度远快于Python层的循环
• 最后加replace('', '0')是兼容全零字符串的场景：比如原值为'0000'时，lstrip('0')会得到空字符串，这一步可以把空字符串回退为'0'
• pd.to_numeric设置errors='ignore'时，只会把纯数字的字符串转为数值类型，带字母的字符串会保留原样，符合示例数据的特征。

内容的提问来源于stack exchange，提问作者NKG