Pandas移除字符串中多组指定子串时遇re.error报错求助

错误原因分析 #

你遇到的re.error: unbalanced parenthesis错误，根源有三个：

1. 正则特殊字符未转义：子串列表里的)是正则语法中的特殊符号，直接用|拼接成正则模式时，正则引擎会将其视为分组闭合符号，因无对应开括号导致括号不匹配报错。
2. re.escape使用错误：你把re.escape用在了待处理的文本x上，实际应该转义的是要替换的子串，而非原始文本。
3. 变量名不匹配：你定义的子串列表是char_lst，但代码里用了replace_char，这会触发NameError，属于笔误。

正确解决方案 #

方法1：apply结合转义后的正则模式

先对子串列表中的每个元素做正则转义，再拼接成模式执行替换：

import re
import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'X': ['1. 苹果', '2) 香蕉', '3. 橙子', '4) 葡萄']})
char_lst = ['1.', '1)', '2.', '2)', '3.', '3)']

# 转义子串中的特殊字符，避免正则语法冲突
escaped_pattern = '|'.join([re.escape(char) for char in char_lst])

# 执行替换，注意不要转义原始文本x
df['X_cleaned'] = df['X'].apply(lambda x: re.sub(escaped_pattern, '', str(x)).strip())

方法2：pandas内置str.replace（更高效）

pandas字符串方法支持直接传入正则模式，比apply更适配大数据量场景：

df['X_cleaned'] = df['X'].str.replace(escaped_pattern, '', regex=True).str.strip()

补充说明 #

• re.escape(char)会将子串中的特殊字符（如.、)）转义为普通字符，让正则引擎按字面量匹配。
• 末尾的.strip()用于移除替换后可能残留的空格，可根据实际需求选择保留或删除。

内容的提问来源于stack exchange，提问作者Jlow