如何用DataFrame另一列替换某列固定格式字符？解决TypeError报错

问题背景 #

需要在Pandas的DataFrame中，用edit列的内容替换original列里符合<\w+/>格式的字符（比如<Isis/>）。例如将目标文本中的<Isis/>替换为twins，得到结果：

France is ‘ hunting down its citizens who joined twins ’ without trial in Iraq

但运行现有代码时触发错误：

TypeError: replace() argument 1 must be str, not None

错误原因 #

1. p.match(x['original'])返回的是**正则匹配对象（Match Object）**或None，而字符串的replace()方法第一个参数要求是字符串类型，类型不匹配导致报错。
2. match()方法仅匹配字符串开头的内容，如果目标格式不在字符串开头，会直接返回None，同样引发错误。

修正方案 #

使用re.sub()方法直接处理正则替换，它可以识别正则模式并将匹配到的内容替换为指定值，同时兼容无匹配的场景。

修正后代码 #

import pandas as pd
import re

df = pd.read_csv('train.csv')

# 定义匹配<\w+/>格式的正则模式
pattern = re.compile(r'<\w+/>')

# 使用re.sub完成替换，无匹配时返回原字符串
df['original'] = df.apply(
    lambda x: pattern.sub(str(x['edit']), x['original']),
    axis=1
)

print(df.head())

代码说明 #

• pattern.sub(repl, string)会在string中查找所有匹配pattern的内容，并用repl（即edit列的内容）替换。
• 如果original列中没有符合格式的字符，sub()会直接返回原字符串，避免报错。
• 用str(x['edit'])确保替换值是字符串类型，防止edit列存在非字符串数据时出现问题。

内容的提问来源于stack exchange，提问作者abbyzhao