Python正则替换匹配内容去空格 拼接DataFrame中被分隔的数字

你原有代码的核心问题有两个：一是用re.findall仅能提取匹配片段，无法完成原文本的替换回填；二是原正则适配性差，仅能匹配2-3段空格分隔的数字，无法覆盖更多分段的场景，且没有整列批量处理的逻辑。按以下步骤修改即可：

• 替换正则匹配逻辑：改用re.sub实现匹配内容的动态替换，正则调整为r'\d+(?:\s+\d+)+'，可匹配任意段数、被任意长度空格分隔的数字组合，匹配到片段后直接移除内部所有空格即可。
• 批量处理DataFrame列：通过pandas Series的apply方法，把单文本处理函数应用到整列，无需手动逐行遍历。

完整实现代码 #

import re
import pandas as pd

def clean_spaced_numbers(text: str) -> str:
    # 回调函数处理每个匹配到的空格分隔数字段，移除内部所有空格
    return re.sub(
        pattern=r'\d+(?:\s+\d+)+',
        repl=lambda matched: matched.group().replace(' ', ''),
        string=text
    )

# 批量应用到目标列
df['a'] = df['a'].apply(clean_spaced_numbers)

效果验证 #

用你提供的样例数据测试：

# 构造测试数据
df = pd.DataFrame({
    'a': [
        'Fraxiparine 9 500 IU (anti-Xa)/1 ml',
        'Colobreathe 1 662 500 IU inhalačný prášok v tvrdej kapsule'
    ]
})

df['a'] = df['a'].apply(clean_spaced_numbers)
print(df)

输出完全符合预期：

a
0                  Fraxiparine 9500 IU (anti-Xa)/1 ml
1  Colobreathe 1662500 IU inhalačný prášok v tvrdej kapsule

说明：单独存在的单个数字（比如样例里1 ml的1）不会被匹配修改，只有被空格拆分的多段连续数字才会被拼接，不会出现误替换。

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