在 Pandas Dataframe 中为字符串添加前导零

Posted 2023-02-23

【中文标题】在 Pandas Dataframe 中为字符串添加前导零

【英文标题】：Add Leading Zeros to Strings in Pandas Dataframe

【发布时间】：2014-07-13 05:30:21

【问题描述】：

我有一个 pandas 数据框，其中前 3 列是字符串：

         ID        text1    text 2
0       2345656     blah      blah
1          3456     blah      blah
2        541304     blah      blah        
3        201306       hi      blah        
4   12313201308    hello      blah         

我想给 ID 添加前导零：

                ID    text1    text 2
0  000000002345656     blah      blah
1  000000000003456     blah      blah
2  000000000541304     blah      blah        
3  000000000201306       hi      blah        
4  000012313201308    hello      blah 

我试过了：

df['ID'] = df.ID.zfill(15)
df['ID'] = '0:0>15'.format(df['ID'])

【参考方案1】：

如果你想要一个更可定制的解决方案来解决这个问题，你可以试试pandas.Series.str.pad

df['ID'] = df['ID'].astype(str).str.pad(15, side='left', fillchar='0')

str.zfill(n) 是等价于str.pad(n, side='left', fillchar='0') 的特殊情况

【参考方案2】：

可以在初始化时用一行来实现。只需使用converters 参数即可。

df = pd.read_excel('filename.xlsx', converters='ID': ':0>15'.format)

所以你会减少一半的代码长度:)

PS：read_csv也有这个说法。

【参考方案3】：

使用 Python 3.6+，您还可以使用 f-strings：

df['ID'] = df['ID'].map(lambda x: f'x:0>15')

性能与df['ID'].map(':0>15'.format) 相当或稍差。另一方面，f 字符串允许更复杂的输出，您可以通过列表推导更有效地使用它们。

性能基准测试

# Python 3.6.0, Pandas 0.19.2

df = pd.concat([df]*1000)

%timeit df['ID'].map(':0>15'.format)                  # 4.06 ms per loop
%timeit df['ID'].map(lambda x: f'x:0>15')             # 5.46 ms per loop
%timeit df['ID'].astype(str).str.zfill(15)              # 18.6 ms per loop

%timeit list(map(':0>15'.format, df['ID'].values))    # 7.91 ms per loop
%timeit [':0>15'.format(x) for x in df['ID'].values]  # 7.63 ms per loop
%timeit [f'x:0>15' for x in df['ID'].values]          # 4.87 ms per loop
%timeit [str(x).zfill(15) for x in df['ID'].values]     # 21.2 ms per loop

# check results are the same
x = df['ID'].map(':0>15'.format)
y = df['ID'].map(lambda x: f'x:0>15')
z = df['ID'].astype(str).str.zfill(15)

assert (x == y).all() and (x == z).all()

【讨论】：

用 6gb 的文件试过这个，比其他方法工作得更快，效率也更高。谢谢@jpp

你甚至可以用.map代替.apply

@user32185，我相信它们在这里可以互换并且表现相同。你有理由不这么认为吗？

在某些示例中它更快。试试df['text1'].map(':015'.format)。

@user32185，谢谢，我看到 apply 与 map 的变化非常小，我不确定这是否取决于设置。我在答案中更新了时间和建议，因为str.format 没有lambda 似乎赢了。

【参考方案4】：

如果遇到错误：

Pandas 错误：只能使用带有字符串值的 .str 访问器，在 pandas 中使用 np.object_ dtype

df['ID'] = df['ID'].astype(str).str.zfill(15)

【参考方案5】：

str 属性包含字符串中的大部分方法。

df['ID'] = df['ID'].str.zfill(15)

查看更多：http://pandas.pydata.org/pandas-docs/stable/text.html

【讨论】：

添加 df['ID'] = df['ID'].astype(str) 来处理 ID 为数字时，运行 df['ID'] = df['ID']。 str.zfill(15)

对于更通用和可定制的解决方案，可以使用str.pad；你可以看看这个answer

【参考方案6】：

试试：

df['ID'] = df['ID'].apply(lambda x: '0:0>15'.format(x))

甚至

df['ID'] = df['ID'].apply(lambda x: x.zfill(15))

【讨论】：

第一个不需要lambda：apply(':0>15'.format) 也应该可以工作。

@DSM 不错。不知道。

可以在初始化的时候用单行来实现，下面看我的回答。

@Rohit 如果字符串中包含小数或字母，代码将如何变化？即使用lambda x: x.zfill(2) 将2.0a 转换为02.0a 需要什么？

你能解释一下为什么使用 15 ，这个数字有什么意义，如果我只想添加一个 0 怎么办？