使用Pandas+正则为DataFrame新增列遇类型错误及空单元格问题

原代码报错TypeError: expected string or bytes-like object有两个核心原因：

• re.findall()仅支持处理单个字符串，直接传入Pandas Series（即df['text']）会触发类型不匹配
• 文本列中的空单元格是NaN类型，不属于字符串/字节类对象，同样会导致错误

正确实现方案 #

1. 先将空单元格转换为空字符串，消除类型异常
2. 使用Pandas内置的str.findall()方法，它专门适配Series类型的字符串批量提取

示例代码 #

import pandas as pd
import re

# 处理空值，把NaN转为空字符串
df['text'] = df['text'].fillna('')

# 提取目标单词，生成存储匹配结果列表的新列
df['extracted_words'] = df['text'].str.findall(r'apple|banana|orange')

# 可选：将列表格式转为逗号分隔的字符串
df['extracted_words_str'] = df['extracted_words'].str.join(', ')

进阶优化：匹配完整单词 #

如果需要避免匹配到apples、bananacake这类包含目标单词的衍生字符串，可以添加单词边界\b：

df['extracted_words'] = df['text'].str.findall(r'\b(apple|banana|orange)\b')

内容的提问来源于stack exchange，提问作者aviran marzouk