使用pyspellchecker识别拼写错误并生成DataFrame新列的问题

你的代码出现字符级检测结果的原因是：遍历df['ColumnA']时，每个元素是完整的句子字符串，直接对字符串执行map(spell.unknown, word)会把字符串拆分为单个字符逐一检查，而非按单词处理。

修正后的代码 #

!pip install pyspellchecker
from spellchecker import SpellChecker
import pandas as pd

spell = SpellChecker()

# 定义函数提取单句中的拼写错误单词
def extract_misspelled(sentence):
    # 将句子拆分为单词列表
    word_list = sentence.split()
    # 获取拼写错误的单词并转为列表
    return list(spell.unknown(word_list))

# 生成存储错误单词的新列
df['ColumnB'] = df['ColumnA'].apply(extract_misspelled)

# 查看结果
df['ColumnB']

进阶处理（清理标点干扰） #

如果句子中存在附着在单词上的标点（如逗号、句号），可以先清理标点再拆分单词：

import re

def extract_misspelled(sentence):
    # 移除句子中的非单词/空格字符
    cleaned_sentence = re.sub(r'[^\w\s]', '', sentence)
    word_list = cleaned_sentence.split()
    return list(spell.unknown(word_list))

df['ColumnB'] = df['ColumnA'].apply(extract_misspelled)

内容的提问来源于stack exchange，提问作者Hugo