Python 将前导零添加到数据帧中的字符串

我有一个熊猫数据框，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 

我试过：

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

尝试：

甚至

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

---

str

属性包含字符串中的大多数方法

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

---

请参阅更多信息：

初始化时只需一行即可实现。只需使用参数

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

因此，您将代码长度减少一半：）

---

PS：也有这个参数。

对于Python 3.6+，您还可以使用f字符串：

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

与

df['ID'].map（'{:0>15}.format）

相比，性能相当或稍差。另一方面，f字符串允许更复杂的输出，您可以通过列表理解更有效地使用它们

绩效基准

---

如果遇到错误，请执行以下操作：

Pandas错误：只能使用带字符串值的.str访问器，该访问器在Pandas中使用np.object\dtype

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

---

如果您想要一个更可定制的解决方案来解决这个问题，您可以尝试

---

str.zfill（n）

是一个特例，相当于

str.pad（n，side='left'，fillchar='0'）

在第一个例子中不需要

lambda

：

apply（'{:0>15}'。格式）

也应该可以。@DSM Nice。我不知道。初始化时可以用单行实现，请参见下面的答案。@Rohit如果字符串中有小数或字母，代码将如何更改？i、 e.使用

lambda x:x.zfill（2）

将

2.0a

转换为

02.0a

需要什么？您能解释一下为什么使用15吗？数字的意义是什么，如果我只想添加一个

0

？使用6gb文件尝试了这个方法，比其他方法更快，也更高效。谢谢@jppy您甚至可以使用

.map

而不是

。apply

@user32185，我相信它们在这里是可以互换的，并且性能相同。你有理由不这样想吗？在一些例子中，它更快。请尝试

df['text1'].map（'{:015}.format）

@user32185，谢谢，我看到一个非常微小的改进正在改变

apply

vs

map

，我不确定这是否取决于设置。我在回答中更新了计时和建议，因为

str.format

without

lambda

似乎赢了。添加了df['ID']=df['ID'].astype（str）来处理ID为数字时的情况，运行df['ID']=df['ID'].str.zfill（15）可以使用更通用和可定制的方法

# 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()

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

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