如何用Python移除DataFrame列中两个指定单词之间的文本

问题原因 #

你现有代码的问题在于str(a)是将整个df['textcol'] Series对象整体转为了字符串格式（就是你直接print这个列时看到的包含索引、多行行预览的完整字符串），re.sub处理的是这一整个长字符串，最终得到的单个字符串被广播赋值到列的所有行，才会出现所有行内容一致的问题。

正确解法 #

优先用pandas原生的字符串正则替换方法，不需要手动逐行处理，且会自动跳过不匹配的行，保留原内容：

import re
df['textcol'] = df['textcol'].str.replace(r'Original.*?Subject', '', regex=True, flags=re.DOTALL)

如果数据量较小，也可以用apply逐行调用re.sub实现相同效果，还可以额外兼容空值等异常场景：

import re

def clean_row_text(text):
    # 非字符串内容直接返回，避免正则处理报错
    if not isinstance(text, str):
        return text
    return re.sub(r'Original.*?Subject', '', text, flags=re.DOTALL)

df['textcol'] = df['textcol'].apply(clean_row_text)

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