在 Pandas Dataframe 中的字符串中添加前导零

问题描述：

我有一个 pandas 数据框，其中前三列是字符串：

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

我想在 ID 中添加前导零：

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

我尝试过：

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

解决方案 1：

str属性包含字符串中的大部分方法。

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

更多内容请见： http: //pandas.pydata.org/pandas-docs/stable/text.html

解决方案 2：

尝试：

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

甚至

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

解决方案 3：

在 Python 3.6+ 中，你还可以使用 f 字符串：

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

性能与 相当或略差df['ID'].map('{:0>15}'.format)。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。

绩效基准测试

# 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()

解决方案 4：

初始化时只需一行代码即可实现。只需使用转换器参数即可。

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

这样就可以将代码长度减少一半:)

PS：read_csv也有这个参数。

解决方案 5：

如果您遇到以下错误：

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

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

解决方案 6：

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

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

str.zfill(n)是等同于str.pad(n, side='left', fillchar='0')

解决方案 7：

在 Pandas 中的数字列中添加前导零：

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

在 Pandas 中的字符列中添加前导零：

方法1：使用Zfill

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

方法2：使用 rjust() 函数

df['ID']=df['ID'].str.rjust(15, "0")

来源： https: //www.datasciencemadesimple.com/add-leading-preceding-zeros-python/

解决方案 8：

对我来说刚刚工作：

df['ID']= df['ID'].str.rjust(15,'0')