Pandas DataFrame批量转换形如="XXX"的公式样式为实际值的方法

这类值是Excel导出CSV时的公式格式遗留，结构特征非常固定：整体以等号开头，双引号包裹实际存储的文本内容，没有其他嵌套字符。处理时直接通过正则精准匹配该结构，提取引号中间的纯文本即可，全程使用Pandas原生矢量化操作实现，不需要逐单元格循环遍历，大表场景下也能保证处理性能。

可直接复用的实现代码 #

场景1：需要保留所有列的文本格式（最常用，避免前导零丢失） #

读入CSV时强制将所有列识别为字符串类型，从根源上避免Pandas自动把010这类纯文本值转成整数10、丢失前导零的问题，再通过全表正则匹配完成批量替换：

import pandas as pd

# 读入CSV，所有列按文本类型加载
df = pd.read_csv("目标文件.csv", dtype=str)

# 全表批量匹配替换
df = df.replace(
    to_replace=r'^="([^"]*)"$',
    value=r'\1',
    regex=True
)

代码说明：

• 正则规则^="([^"]*)"$严格限定匹配范围：从字符串开头的="开始，到结尾的"结束，提取过程中直接抓取两个引号中间、不包含嵌套双引号的所有内容，完全贴合目标残留格式，不会误替换单元格内的其他正常文本
• 替换值用\1直接引用正则提取的中间内容，最终输出为去掉等号、去掉外层引号的纯文本结果，比如把="010"直接转换为010

场景2：保留原有列类型，仅对存在残留值的字符串列做处理 #

如果原始CSV包含数值列、日期列，不需要把全列强制转成字符串，就单独筛选所有字符串类型的列做匹配替换：

# 遍历筛选出的所有字符串类型列
for col in df.select_dtypes(include="object").columns:
    df[col] = df[col].str.replace(r'^="([^"]*)"$', r'\1', regex=True)

关键注意事项 #

• 不要在匹配处理前把包含010、011这类保留前导零的列转回数值类型，否则前导零会被自动清除，无法得到符合格式要求的纯文本结果
• 正则必须加上开头^、结尾$的边界限定，避免误替换单元格内夹杂其他正常文本的内容
• 该方法对十万行以上规模的大表处理速度远快于逐单元格遍历的applymap写法，不存在明显的性能瓶颈

内容的提问来源于stack exchange，提问作者PacificPrime