將前導零添加到 Pandas Dataframe 中的字符串

Question

我有一個 pandas 數據框，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         

我想在 ID 中添加前導零：

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

我試過了：

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

Answer 1

str屬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

Answer 2

嘗試：

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

甚至

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

Answer 3

它可以在初始化時用一行來實現。 只需使用轉換器參數。

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

所以你會減少一半的代碼長度:)

PS： read_csv也有這個論點。

Answer 4

使用 Python 3.6+，您還可以使用 f 字符串：

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

性能與df['ID'].map('{:0>15}'.format)相當或稍差。 另一方面，f-strings 允許更復雜的輸出，您可以通過列表推導更有效地使用它們。

性能基准測試

# 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()

Answer 5

如果您遇到錯誤：

Pandas 錯誤：只能將 .str 訪問器與字符串值一起使用，后者在 pandas 中使用 np.object_ dtype

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

Answer 6

如果你想要一個更可定制的解決方案來解決這個問題，你可以試試pandas.Series.str.pad

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

str.zfill(n)是等價於str.pad(n, side='left', fillchar='0')的特殊情況

Answer 7

剛剛為我工作：

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