基于字符数移除词元组短词：Python代码报错求助

原代码问题分析 #

• 错误使用re.sub：该方法用于字符串替换，但你的输入是已拆分的词列表，且代码中word变量未定义，直接触发报错
• 冗余代码：text = [word for word in text]仅复制原列表，无实际作用
• 逻辑偏差：正则匹配适合处理未拆分的字符串，而你的数据是已分词的列表，直接判断词长更高效

修正后的代码 #

def remove_short_words(word_list):
    # 筛选字符数≥4的词
    return [word for word in word_list if len(word) >= 4]

df['clean4Char'] = df['content'].apply(remove_short_words)
df.head(4)

代码说明 #

• 函数接收词列表作为参数，通过列表推导式遍历每个词，仅保留长度≥4的词
• 用apply将函数作用于content列的每一行，直接生成符合需求的clean4Char列

运行后结果会和你提供的样本完全一致：

content                clean4Char

0 [yes, no, never] [never]
1 [to, every, contacts] [every, contacts]
2 [words, tried, describe] [words, tried, describe]
3 [word, you, go] [word]

内容的提问来源于stack exchange，提问作者Dewani