Pandas如何为不含字母的user字段补前导零且保存CSV不丢失？

一、原有代码逻辑修正 #

你现有代码存在两处明显问题：

• 列名笔误：第二行代码调用了df["userID"]，但你的目标字段名称是user，会直接报错，需要修正。
• 原有代码的清洗规则已经符合你的需求：str.replace中正则^\d{1,5}$只会匹配纯数字、长度1-5的字段值，带字母的内容不会被匹配替换，天然满足你「含字母的字段值保持不变」的要求。

修正后的基础处理代码如下：

# 先去除user字段两端的多余符号
df["user"] = df["user"].map(lambda x: x.lstrip('-').rstrip(' - '))
# 匹配纯数字且长度不足6位的内容，补前导零到6位
df["user"] = df["user"].str.replace(
    r"^\d{1,5}$", lambda g: "{:0>6}".format(g.group(0)), regex=True
)

二、前导零丢失问题解决 #

问题原因 #

你看到的保存后前导零消失，不是pandas没有写入成功，是Excel打开CSV文件时的默认行为导致的：Excel会自动将看起来是数字的单元格转换为数值格式，数值格式的前导零会被自动丢弃。你用记事本、VS Code等纯文本编辑器打开保存的test.csv，就能看到前导零是正常存在的。

不同场景的解决方案 #

1. 仅需要CSV文件本身数据正确，不需要用Excel打开
   不需要修改任何保存逻辑，原有df.to_csv('./test.csv', index=False)即可，纯文本读取时数据完全符合要求。
2. 需要用Excel打开时也能正常显示前导零
   保存前给user字段的内容加上Excel识别的文本强制标记，代码如下：

# 给user字段值包裹Excel文本格式标记
df['user'] = df['user'].apply(lambda x: f'="{x}"')
# 再保存文件
df.to_csv('./test.csv', index=False)

这种方式保存的CSV，用Excel打开时user字段会被识别为文本类型，前导零不会丢失。

三、之前查询到的lambda代码解释 #

你查到的df['user'] = df['user'].apply(lambda x: '{0:0>15}'.format(x))中，lambda是匿名函数，作用是把输入的x格式化为总长度15位、右对齐、左侧补0的字符串，因为它是固定补到15位，且没有判断是否为纯数字，所以不符合你的需求。

内容的提问来源于stack exchange，提问作者Nayden Van