如何在Pandas指定列的所有行中将数字转换为单词？附问题代码

我来帮你拆解下遇到的问题，再给出靠谱的实现方案：

为什么直接处理int类型列没生效？ #

当列是int数值类型时，Pandas的DataFrame.replace()会直接忽略regex=True参数——这是Pandas的设计逻辑：数值类型列不支持正则匹配替换，所以你第一次操作相当于没做任何修改，数值自然还是原来的数字。

转成str类型后为什么得到lambda函数对象？ #

你转成str类型后用replace()的方式不对。Pandas的DataFrame.replace()在regex模式下，对函数替换的逻辑和字符串方法str.replace()不一样，直接传lambda会导致Pandas没有正确执行函数，反而把函数对象本身当成了替换值。

正确的实现方法 #

这里推荐两种实用的方式，都能完美实现需求：

方法1：用apply()直接处理（最简单通用） #

不管列是int还是str类型，这种方式都能直接处理，逻辑清晰：

import pandas as pd
import numpy as np
from num2words import num2words as p  # 假设你用的是num2words库

# 生成测试数据
df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))

# 处理指定列（这里是第4列，列名D）
df['D'] = df['D'].apply(lambda x: p(x))

# 查看结果
df['D'].head(2)

输出示例：

0    fifteen
1     eighty-nine
Name: D, dtype: object

方法2：转字符串后用str.replace()（适合混合内容的列） #

如果你的列里可能混合了非数字内容，只想替换纯数字部分，可以先转字符串，再用Series的字符串方法str.replace()，这里的函数参数会正确接收匹配到的内容：

df['D'] = df['D'].astype(str).str.replace(r'(?<!\S)\d+(?!\S)', lambda x: p(x.group()), regex=True)

和你之前的代码区别在于用了str.replace()（Series专属的字符串处理方法），而非DataFrame.replace()，前者对正则+函数替换的支持更符合预期。

总结 #

• 数值类型列别用带regex的replace()，要么用apply()直接转换，要么先转字符串再处理。
• 处理字符串列的正则替换时，优先用Series.str.replace()，它的函数替换逻辑更直观。

内容的提问来源于stack exchange，提问作者Shew