Pandas读取Excel列名无效及Series无iterrows方法问题求助

错误1：ValueError: Invalid column name: Open_AI_Text #

• 问题原因：pd.read_excel的usecols参数传入字符串时，会被解析为列范围标识符（如"A:C"），而非单个列名，导致无法匹配到Open_AI_Text列。
• 修复方法：将usecols改为列表形式，明确指定目标列：

df = pd.read_excel("Output_Summarization/OUTPUT_ocr_OPENAIGOOD.xlsx", usecols=["Open_AI_Text"])

错误2：AttributeError: 'Series' object has no attribute 'iterrows' #

• 问题原因：直接将df["Open_AI_Text"]赋值给df，会把原DataFrame转换为Series（单列数据结构），而iterrows()是DataFrame独有的方法，Series不支持该操作。
• 修复方法：保留原DataFrame结构，直接基于读取后的DataFrame进行迭代操作即可。

完整修复后的代码（含潜在问题优化） #

原代码还存在未导入random模块、replace会删除所有匹配单词等隐藏问题，以下是修正后的完整代码：

import pandas as pd
import nltk
import random
from nltk.tokenize import word_tokenize

# 首次运行需下载nltk分词资源
nltk.download('punkt')

# 正确读取指定列
df = pd.read_excel("Output_Summarization/OUTPUT_ocr_OPENAIGOOD.xlsx", usecols=["Open_AI_Text"])

# 遍历每一行处理文本
for index, row in df.iterrows():
    text = row["Open_AI_Text"]
    # 处理整数/浮点数类型，先转为字符串
    if not isinstance(text, str):
        text = str(text)
    
    words = word_tokenize(text)
    if len(words) <= 1:
        # 避免文本仅含一个单词时无法执行删除
        continue
    
    # 通过下标删除随机选中的单个单词，避免批量替换
    remove_idx = random.randint(0, len(words)-1)
    new_words = words[:remove_idx] + words[remove_idx+1:]
    new_text = " ".join(new_words)
    
    # 更新DataFrame中的对应行
    df.at[index, "Open_AI_Text"] = new_text

# 保存处理后的结果
df.to_excel("Texte_Trou.xlsx", index=False)

额外优化说明 #

• 新增非文本类型（整数/浮点数）转换逻辑，避免分词报错；
• 改用下标删除单词，解决replace批量删除匹配项的问题；
• 添加文本长度判断，防止单单词文本引发异常。

内容的提问来源于stack exchange，提问作者Julie Lallement