如何使用df.loc[]处理多行数据并应用padding转换函数？解决TypeError报错

嘿，我来帮你搞定这个问题！你现在的需求是把自定义的停用词占比计算函数应用到df["Text_str"]的所有行，同时解决遇到的TypeError报错，下面是一步步的解决方法：

首先：搞定报错的根源 #

你碰到的TypeError: expected string or bytes-like object，90%的概率是df["Text_str"]列里混了非字符串类型的数据（比如NaN空值、数字或者其他格式），导致re.findall没法处理。先把列统一转成字符串格式：

# 把列转为字符串，同时把NaN替换成空字符串，避免后续报错
df["Text_str"] = df["Text_str"].astype(str).fillna("")

然后：优化你的计算函数 #

你的原函数有个小问题：每次调用都下载停用词，效率极低！我们把停用词的下载和加载移到函数外面，只执行一次：

import nltk
import re
from nltk.corpus import stopwords

# 只下载一次英文停用词，重复下载纯纯浪费时间
nltk.download('stopwords')
# 提前加载停用词集合，查询更快
english_stopwords = set(stopwords.words('english'))

def calculate_stopword_percentage(text):
    # 提取文本里所有由字母组成的单词
    words = re.findall('[A-z]+', text)
    # 处理空文本的情况，避免除以0报错
    if not words:
        return 0.0
    # 统计停用词的数量
    stopword_count = sum(1 for word in words if word.lower() in english_stopwords)
    # 计算占比并保留两位小数
    return round(stopword_count / len(words), 2)

（我把函数名改成了更直观的calculate_stopword_percentage，你要是习惯原来的padding也可以改回去~）

最后：批量应用到整个列 #

用pandas的apply方法直接处理整个列，结果会自动生成一个新的Series，你可以把它作为新列加到原DataFrame里：

# 新增一列存储每一行的停用词占比
df["stopword_percentage"] = df["Text_str"].apply(calculate_stopword_percentage)

验证一下结果 #

你可以随便选几行测试，确保结果正确：

# 测试第1行的结果
print(df.loc[1, "stopword_percentage"])
# 查看前5行的文本和对应占比
print(df[["Text_str", "stopword_percentage"]].head())

额外加速技巧（可选） #

如果你的数据集特别大，apply可能有点慢，可以试试swifter库，它会自动判断用普通apply还是向量化方式加速：

# 先安装：pip install swifter
import swifter

df["stopword_percentage"] = df["Text_str"].swifter.apply(calculate_stopword_percentage)

内容的提问来源于stack exchange，提问作者doomdaam