从DataFrame提取英文单词存入列表返回空列表，如何解决？

原代码的问题 #

• 错误使用==匹配正则表达式：==是精确字符串匹配，无法识别正则规则，你的条件永远不会成立，因此列表始终为空。
• 逻辑错误：就算条件成立，代码直接把整个Subject列转成列表，并没有提取每个元素里的英文单词。

正确实现方式 #

用Python的re模块提取每个字符串中符合规则的英文单词，再汇总到目标列表中。

代码示例 #

import re
import pandas as pd

englishSubject = []
# 匹配包含字母、可前后带数字的英文单词
pattern = r'\b[0-9]*[A-Za-z]+[0-9]*\b'

for text in df['Subject']:
    # 转成str避免非字符串类型（如NaN）报错，提取所有符合规则的单词
    words = re.findall(pattern, str(text))
    # 将提取到的单词合并到总列表
    englishSubject.extend(words)

# 可选操作：如果需要去重的单词列表
englishSubject = list(set(englishSubject))

代码说明 #

• re.findall(pattern, str(text))：遍历每个Subject字段，提取所有符合正则规则的单词，转成str是为了兼容字段中的非字符串类型。
• extend(words)：把每个字段提取到的单词列表合并到总列表，而非覆盖原有内容。
• 去重步骤：如果需要唯一的单词集合，用list(set(...))处理即可。

内容的提问来源于stack exchange，提问作者user19706373