Pandas Series末尾符号处理：如何将后缀负号转为前缀？

嘿，我来帮你搞定这个转换需求！你现在需要把像1.22-这种末尾带负号的字符串转换成标准的-1.22格式，同时保留已经正确的负数和NaN，咱们来一步步实现优雅又高效的解法。

首先得说下你之前代码的问题：你用str.replace('-$', '-^')只是把末尾的-替换成了-^，这完全没达到把负号移到前面的目的，咱们需要用正则捕获组来重组字符串。

方法一：正则表达式替换（推荐，高效向量化） #

利用正则的捕获组，把数字部分和末尾的负号分开，然后将负号移到数字前面。这种方法是Pandas的向量化操作，处理大数据集时比循环或apply快很多。

import pandas as pd
import numpy as np

# 原始Series
s = pd.Series(['1.22-', '-9.99', np.nan])

# 正则替换：捕获数字部分，将末尾负号移到前面
s_fixed = s.str.replace(r'^(\d+\.\d+)-$', r'-\1', regex=True)

print(s_fixed)

输出结果：

0   -1.22
1   -9.99
2     NaN
dtype: object

如果你的数据里还有整数形式的末尾负号（比如123-），可以把正则调整得更通用：

s_fixed = s.str.replace(r'^(\d+(?:\.\d+)?)-$', r'-\1', regex=True)

转换成数值类型 #

如果需要把处理后的字符串转成数值（方便后续计算），用pd.to_numeric最稳妥，它会自动保留NaN：

s_numeric = pd.to_numeric(s_fixed, errors='coerce')
print(s_numeric)

输出：

0   -1.22
1   -9.99
2     NaN
dtype: float64

方法二：自定义函数+apply（适合复杂场景） #

如果正则满足不了更特殊的格式，也可以用自定义函数结合apply，虽然效率不如正则，但逻辑更直观：

def fix_trailing_minus(x):
    if pd.isna(x):
        return x
    # 判断是否以负号结尾
    if x.endswith('-'):
        return '-' + x[:-1]
    return x

s_fixed = s.apply(fix_trailing_minus)

总结 #

优先推荐正则替换的方法，它是Pandas原生的向量化操作，代码简洁且效率更高，完全符合你“优雅且高效”的需求。

内容的提问来源于stack exchange，提问作者lukas_o