Pandas列中化学公式分隔符处理错误排查及正确实现

你的代码存在的问题 #

1. 正则表达式错误：re.split("-,@,/", formula) 写法错误，这个正则会匹配字符串 -,@,/ 而非单个的 -、@、/，正确的匹配方式应该用字符类 [-/@]，表示匹配这三个字符中的任意一个。
2. 列赋值逻辑错误：循环中每次执行 df['Core'] = comp1 会把整个列的所有值覆盖为当前的 comp1，最终整个列只会保留最后一次循环的结果；如果最后一个公式是纯字母数字，comp1 未被赋值，就会导致整列为空。
3. 冗余循环逻辑：split 得到的列表直接用 ''.join(line) 就能拼接成无分隔符的字符串，完全不需要嵌套 while 和 for 循环的复杂操作。

正确的处理方法 #

方法一：Pandas 矢量化字符串操作（推荐，效率最高） #

直接使用 str.replace 方法，逐行替换所有目标分隔符为空字符串：

import pandas as pd

# 假设df是你的DataFrame
df['Core'] = df['Core'].str.replace(r'[-/@]', '', regex=True)

这个方法会自动遍历列中每一个值，匹配 -、/、@ 中的任意一个并删除，不需要手动写循环。

方法二：使用 apply 自定义处理逻辑 #

如果需要更灵活的处理，可以用 apply 对每个值单独处理：

import re
import pandas as pd

def clean_formula(formula):
    # 分割后拼接，等价于删除分隔符
    return ''.join(re.split(r'[-/@]', formula))

df['Core'] = df['Core'].apply(clean_formula)

方法三：手动循环（不推荐，仅作理解用） #

如果一定要用循环，必须通过索引逐行赋值，避免覆盖整列：

import re
import pandas as pd

for idx in df.index:
    formula = df.loc[idx, 'Core']
    # 分割后拼接得到无分隔符的公式
    cleaned = ''.join(re.split(r'[-/@]', formula))
    df.loc[idx, 'Core'] = cleaned

内容的提问来源于stack exchange，提问作者Kwillon