如何在DataFrame的推文里将否定词与后续单词用下划线连接

我有一组包含“not, never, seldom”等否定词的推文列表，希望将“not nice”这类结构转换为“not_nice”（用下划线分隔否定词和后续单词）。尝试了以下代码但没有效果，推文内容完全没变化：

def combine(negation_words, word_scan):
    if type(negation_words) != list:
        negation_words = [negation_words]  
    n_index = []
    
    for i in negation_words:
        index_replace = [(m.end(0)) for m in re.finditer(i,word_scan)]
        n_index += index_replace
    for rep in n_index:
        letters = [x for x in word_scan]
        letters[rep] = "_"
        word_scan = "".join(letters)
    return word_scan

negation_words = ["no", "not"]
word_scan = df
combine(negation_words, word_scan)

df['clean'] = df['tweets'].apply(lambda x: combine(str(x), word_scan))
df

原代码的问题 #

1. 参数顺序完全错误：combine函数定义的第一个参数是否定词列表，第二个是待处理文本，但在apply调用时，把推文文本（str(x)）作为第一个参数，把整个DataFrame（word_scan）作为第二个参数，导致函数逻辑完全错位，根本没处理到推文内容。
2. 替换逻辑不严谨：原代码只是找到否定词的结束索引，把该位置的字符替换为下划线，但这个位置不一定是空格（比如否定词后面跟标点的情况），而且无法确保只替换否定词与后续单词之间的空格，容易出现错误替换。
3. 错误传入整个DataFrame：一开始把word_scan赋值为df，直接把整个DataFrame传入combine函数，这完全不符合函数的预期输入（应该是单个文本字符串）。

正确实现方法 #

用正则表达式精准匹配否定词+空格的模式，一次性替换为否定词+下划线，是最简洁高效的方式：

import re

def combine(text, negation_words):
    # 构建正则模式：匹配独立的否定词（避免误匹配包含否定词的其他单词），后面跟一个或多个空格
    # re.escape处理否定词中的特殊字符，防止正则语法错误
    pattern = r'\b(' + '|'.join(re.escape(word) for word in negation_words) + r')\s+'
    # 将匹配到的"否定词+空格"替换为"否定词_"
    return re.sub(pattern, r'\1_', text)

使用方式 #

# 定义需要处理的否定词列表
negation_words = ["no", "not", "never", "seldom"]
# 对tweets列的每个文本应用处理函数
df['clean'] = df['tweets'].apply(lambda x: combine(str(x), negation_words))

说明 #

• \b是正则的单词边界，确保匹配的是独立的否定词，不会把"nothing"里的"no"、"notable"里的"not"这类情况误处理。
• re.escape用于转义否定词中可能存在的特殊字符（比如如果否定词包含"?"这类正则特殊符号），避免出现语法错误。
• re.sub会自动处理文本中所有符合模式的匹配项，无需手动遍历索引，效率更高且逻辑更可靠。

内容的提问来源于stack exchange，提问作者Zulfi A