在Jupyter中清理推文@用户出错，修改后仍无法删除的问题求助

第一段代码的报错原因 #

• 未处理非字符串数据：如果df['text']里包含NaN、数字这类非字符串值，re.findall会直接抛出类型错误，因为它要求输入必须是字符串。
• 冗余的循环替换：用re.findall遍历匹配项再逐个替换完全没必要，re.sub本身就支持一次性替换所有匹配内容，这种写法既低效又容易出问题。

第二段代码无效的原因 #

• 关键错误：返回了原始数据：函数内部生成了替换后的input_txt，但最后返回的是未修改的Tweet，等于替换操作白做了。
• 替换逻辑错误：每次循环都基于原始的str(Tweet)进行替换，而不是在上一次替换的结果上继续处理，就算最后返回input_txt，也只能保留最后一次替换的效果，无法清除所有@用户标识。
• 未处理空值：如果Tweet是NaN，str(Tweet)会变成字符串"nan"，最终会保留在结果里，不符合清理需求。

正确的解决代码 #

方法一：优化函数+vectorize #

import re
import numpy as np
import pandas as pd

def remove_pattern(input_txt, pattern):
    # 处理空值，转为空字符串
    if pd.isna(input_txt):
        return ""
    # 确保输入为字符串类型
    input_str = str(input_txt)
    # 一次性替换所有匹配的@用户标识
    return re.sub(pattern, '', input_str)

# 应用到DataFrame，正则用@\w+更严谨（匹配至少一个字符的用户名）
df['remove_user'] = np.vectorize(remove_pattern)(df['text'], r"@\w+")

方法二：用pandas apply简化代码 #

df['remove_user'] = df['text'].apply(
    lambda x: re.sub(r"@\w+", '', str(x)) if not pd.isna(x) else ""
)

代码说明 #

• 用re.sub(r"@\w+", '', input_str)直接全局替换，效率更高，逻辑更清晰，避免循环冗余。
• 增加了NaN值处理，避免结果中出现"nan"这类无效字符串。
• 正则表达式@\w+比原代码的@[\w]*更严谨：+要求匹配至少一个字符的用户名，不会匹配单独的@符号（如果存在的话）。

内容的提问来源于stack exchange，提问作者Up InCafe