遍历Pandas数据框生成的列表时re.findall()报错排查

老哥，我来帮你捋捋这个问题哈！你遇到的TypeError: expected string or bytes-like object，根本原因不是你遍历的方式错了，而是你的subsectors列表里混进了非字符串类型的元素——比如NaN、None或者数字之类的。

为啥会报错？ #

虽然你是在逐个遍历列表元素，但re.findall()和re.sub()只接受字符串/字节类型的输入。如果你的Pandas列subsectors里存在缺失值（比如NaN），或者其他非字符串数据，转成列表后这些元素会保留原类型（比如numpy.nan或者None），当遍历到它们时，正则函数就会直接抛出类型错误。

几种解决方案 #

方案1：清理列表，确保每个元素都是字符串

遍历的时候先判断元素类型，只处理字符串，非字符串元素可以转成默认值或者跳过：

import re
subsectors = df['subsectors'].tolist()

processed_subsectors = []
for s in subsectors:
    # 只处理字符串类型的元素
    if isinstance(s, str):
        processed_subsectors.append(' '.join(re.findall('[A-Z][^A-Z]*', s)))
    else:
        # 非字符串元素可以设为空字符串、None，或者根据需求自定义
        processed_subsectors.append('')

方案2：直接在Pandas中处理（更推荐）

没必要转成列表，Pandas的字符串访问器str可以直接处理整列数据，还能自动处理缺失值：

# 方法A：用正则替换分割驼峰
df['processed_subsectors'] = df['subsectors'].str.replace(r'(?<=[a-z])(?=[A-Z])', ' ', regex=True)

# 方法B：用findall拼接的方式
df['processed_subsectors'] = df['subsectors'].str.findall('[A-Z][^A-Z]*').str.join(' ')

这种方式不仅高效，还能保持数据框的结构，缺失值会自动保留为NaN，不会触发错误。

方案3：先把Pandas列转成字符串类型再转列表

如果一定要用列表处理，可以先把列强制转成字符串，再生成列表：

# 先填充缺失值为空字符串，再转成字符串类型，最后转列表
subsectors = df['subsectors'].fillna('').astype(str).tolist()
# 之后用你的列表推导式就不会报错了
processed = [' '.join(re.findall('[A-Z][^A-Z]*', s)) for s in subsectors]

内容的提问来源于stack exchange，提问作者Steven