如何使用正则移除Pandas DataFrame列中的重复逗号并提取有效文本

实现方案 #

问题说明 #

你之前使用的正则r'\s*,*([^(a-zA-Z)]*)'逻辑存在偏差：[^(a-zA-Z)]会匹配所有非英文字母的字符，会误删Hard Work这类带空格的有效内容，也无法正确处理多逗号分隔的场景。

方案1：拆分清洗后合并（推荐，逻辑直观容错率高） #

按逗号拆分文本后逐个清洗片段，过滤空值再拼接即可，代码如下：

import pandas as pd

def clean_text(s):
    # 按逗号拆分所有片段，逐个去除首尾空格
    parts = [part.strip() for part in s.split(',')]
    # 过滤空片段
    valid_parts = [p for p in parts if p]
    # 按要求格式拼接，无有效内容返回空
    return ', '.join(valid_parts)

df['Cleaned Col'] = df['Text'].apply(clean_text)

方案2：正则单行实现 #

如果希望用正则写法，可通过两次替换加首尾清理实现：

df['Cleaned Col'] = df['Text'].str.replace(r'\s*,\s*', ',', regex=True) \ # 把逗号前后的空格都去掉，统一为单个逗号
                              .str.strip(',') \ # 移除首尾多余的逗号
                              .str.replace(',', ', ', regex=False) \ # 把逗号替换为逗号加空格的格式
                              .fillna('') # 全空内容替换为空字符串

效果验证 #

两种方案均完全匹配你提供的示例输出：

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