如何使用Pandas去除DataFrame列中非数字字符、空格及前导0？

嘿，这个需求很常见，咱们可以通过Pandas的字符串方法结合正则表达式轻松搞定！下面给你两种实用的实现方式，还考虑了边界情况哦：

方法一：分步处理（清晰易懂） #

先移除所有非数字字符，再处理前导0，逻辑一目了然：

import pandas as pd

# 构造你的示例DataFrame
df = pd.DataFrame({'Name': ['John5', 'Tom 08', 'Ron 722']})

# 第一步：过滤掉所有非数字字符（包括空格）
df['Name_cleaned'] = df['Name'].str.replace(r'\D', '', regex=True)

# 第二步：移除前导0，同时处理全0的边界情况（避免得到空字符串）
df['Name_cleaned'] = df['Name_cleaned'].apply(lambda x: x.lstrip('0') if x.lstrip('0') else '0')

# 查看处理结果
print(df['Name_cleaned'])

代码解释： #

• str.replace(r'\D', '', regex=True)：正则表达式里的\D匹配任何非数字字符（字母、空格、符号全算），把它们全部替换为空，只保留纯数字字符串。
• lambda x: x.lstrip('0') if x.lstrip('0') else '0'：lstrip('0')会去掉字符串开头的所有0，但如果原字符串是'0000'，去掉前导0后会变成空字符串，所以这里加了判断，确保这种情况返回'0'而不是空。

运行后你会得到想要的结果：

0      5
1      8
2    722
Name: Name_cleaned, dtype: object

方法二：一行代码简洁实现 #

如果追求代码简洁，可以把两步合并成一行：

df['Name_cleaned'] = df['Name'].str.replace(r'\D', '', regex=True).apply(lambda x: x.lstrip('0') if x.lstrip('0') else '0')

这个和方法一逻辑完全一致，只是把操作链式调用了，适合喜欢简洁代码的场景。

内容的提问来源于stack exchange，提问作者beluga217