Python数组字符串邻接字符条件替换问题：音变处理无效果求助

原代码的核心错误 #

• 索引使用错误：for j in i遍历的是字符串的单个字符，不是索引，i[j+1]这种写法完全不合法（字符串索引必须是整数）。
• 条件判断错误：j == Ḱ是拿单个字符和数组比较，永远为False，正确写法是j in Ḱ；判断邻接字符是否属于W时，同样要用in，且需先获取正确的索引位置。
• 替换逻辑错误：str.replace()无法直接接收两个数组做对应替换，需要建立字符间的映射关系逐个处理。
• DataFrame更新错误：遍历df["word"]时，i是原数据的副本，修改i不会同步到DataFrame；最后一行df["word"] == df["word"]是无效的比较操作，没有任何赋值效果。

修正后的代码 #

import pandas as pd

# 字符分组：用集合提升查询效率
W = {"w", "u"}
# 建立目标字符的映射关系
char_mapping = dict(zip(["ḱ","ǵ","ǵʰ"], ["k","g","gʰ"]))

def process_sound_change(word):
    # 字符串不可变，转成列表便于修改
    char_list = list(word)
    # 遍历每个字符及其索引
    for idx, char in enumerate(char_list):
        if char in char_mapping:
            # 检查前邻字符（避免索引越界）
            has_valid_prev = idx > 0 and char_list[idx-1] in W
            # 检查后邻字符（避免索引越界）
            has_valid_next = idx < len(char_list)-1 and char_list[idx+1] in W
            # 满足任一邻接条件则替换
            if has_valid_prev or has_valid_next:
                char_list[idx] = char_mapping[char]
    # 转回字符串
    return ''.join(char_list)

# 批量处理DataFrame的word列
df["word"] = df["word"].apply(process_sound_change)

代码说明 #

• 把W改成集合：集合的成员查询速度比列表更快，适合频繁判断字符归属的场景。
• 用enumerate遍历：同时获取字符和它的索引，能正确定位前后邻接的字符，还避免了索引越界的问题。
• 字符串转列表处理：Python中字符串是不可变类型，直接修改字符会创建新字符串，转成列表后修改更高效。
• 用apply批量更新：直接对df["word"]列应用处理函数，一次性完成所有单词的音变处理，同步更新DataFrame数据。

内容的提问来源于stack exchange，提问作者Usergyt