如何用Python正则删除DataFrame中带标点/前置空格的单词语句？

核心错误点 #

• 第一类错误：re.sub的操作对象不符合要求
  • re.sub仅支持对单个字符串/字节对象做替换操作，直接传入df.column（本质是pandas Series对象）会触发类型错误。
  • 第二次把df.column强制转为str，实际是把整个Series的打印输出文本做了替换，完全没有修改列内每个单元格的原始值，所以看起来列内容无变化。
• 第二类错误：正则表达式逻辑完全不符合需求
  你写的^.\w+\w+.$存在多处逻辑问题：开头和结尾的.强制要求首尾必须有1个任意字符，中间\w+\w+等于要求至少匹配2个字母/数字/下划线，既无法匹配开头带空格的内容，也无法匹配带标点的单个单词。

正确实现方案 #

pandas提供了专门的Series.str字符串处理方法，支持批量对整列的字符串做正则操作，你需要匹配的规则是：去掉前后空格后，整个值仅包含一串连续的非空白字符（即单个单词，带标点也符合该特征），对应的正则为r'^\s*\S+\s*$'。

示例代码 #

import pandas as pd
import re

# 匹配仅含单个单词（允许前后空格、附带标点）的正则规则
single_word_pattern = r'^\s*\S+\s*$'

# 需求1：把符合条件的单元格内容替换为空
df['column'] = df['column'].str.replace(single_word_pattern, '', regex=True, na=False)

# 需求2：直接删除列值为单个单词的整行数据
df = df[~df['column'].str.match(single_word_pattern, na=False)]

注：参数na=False用于处理列中的空值，避免空值触发匹配报错。

内容的提问来源于stack exchange，提问作者Zee