如何对数据集文本列应用清理函数删除指定字符并解决AttributeError报错

Pandas数据集中的Text列存在空值（NaN，属于float类型），你编写的清洗函数没有对输入类型做判断，直接调用字符串的replace方法，就会触发*AttributeError: 'float' object has no attribute 'replace'*报错。
同时你原有代码还存在一处调用错误：定义的清洗函数名为cleaning，但apply时传入的参数是func_name，函数名不匹配也会导致运行失败。

• 先在清洗函数中增加类型判断，仅对字符串类型的文本执行替换操作，非字符串内容统一返回空字符串
• 修正apply调用的函数名参数
• 可选操作：提前过滤/填充Text列的空值，避免无效内容进入清洗逻辑

var = d['Text']

def cleaning(text):
    # 处理空值/非字符串输入
    if not isinstance(text, str):
        return ""
    to_delete_characters = "1234567890abcdefghijklmnopqrstuvwxyz“”ABCDEFGHIJKLMNOPQRSTUVWXYZ!@#$%^&*()_+-\"=\|/?.,><;:[]؟،"
    for character in to_delete_characters:
        text = text.replace(character, "")
    return text

# 传入正确的函数名，清洗结果可存储到新列避免覆盖原始数据
d['cleaned_arabic_text'] = var.apply(cleaning)

如果数据集量级较大，逐字符循环替换的执行效率偏低，可以用正则表达式一次性匹配所有要删除的字符，替换效率提升明显：

import re

def cleaning(text):
    if not isinstance(text, str):
        return ""
    # 正则匹配所有需要删除的数字、英文字母、特殊符号
    pattern = r'[0-9a-zA-Z“”!@#$%^&*()_+\-="\\|/?.,><;:[\]؟،]'
    return re.sub(pattern, "", text)

d['cleaned_arabic_text'] = d['Text'].apply(cleaning)

内容的提问来源于stack exchange，提问作者Ahmad Sham