Python实现仅将指定时间单位前的整数转为对应文本并修复pandas报错

1. 同值数字错误全局替换的原因 #

原代码的替换逻辑存在本质缺陷：

• 先用正则捕获到“位于单位前的目标数字”后，直接使用无位置锁定的全局re.sub替换，只要文本中出现相同数字字符串，就会被全部替换，完全不关心该数字是否在指定单位前方
• 举例：捕获到“45 hours”前的45后，执行re.sub("45", "forty-five ", text)，会把句首不跟单位的45也一并替换

2. pandas处理时报UnboundLocalError的原因 #

原函数的变量逻辑存在漏洞：

• 当输入文本中没有任何匹配的数字片段时，re.findall返回空列表，循环体完全不执行，变量clean从未被定义，后续执行return clean时就会触发未定义变量报错
• 你测试用的第一条文本"I am writing some very basic english sentences"本身没有任何数字，天然会触发这个报错
• 额外附带小bug：定义原始数据时变量名为text，创建DataFrame时却传入了未定义的raw_docs，会直接触发NameError

直接重构替换逻辑，用正则的回调匹配机制锁定替换范围，从根源上避免全局替换的问题：

• 正则添加单词边界，避免误匹配单词内部的数字串
• 使用re.sub的回调函数模式，仅替换匹配位置的数字，不影响其他位置的同值数字
• 无需手动维护中间替换变量，无匹配场景下re.sub会原样返回原文本，天然消除未定义变量报错

import pandas as pd
from num2words import num2words
import re

# 原始测试数据
raw_text = [[1, "I am writing some very basic english sentences"],
           [2, " i am 45 old and worked 3 times this week for 45 hours " ],
            [3, " i am 75 old and worked 6 times this week for 45 hours "]]

Data = pd.DataFrame(raw_text, columns=["index", "text"])

def remove_numbers(text):
    # 正则结构：1组捕获数字，2组捕获数字和单位之间的空白，后接目标单位（零宽环视，不消耗单位字符）
    pattern = re.compile(r'\b(\d+)(\s*)(?=hour|day|days|hours|hrs|hr|minutes|min|time|times)\b')
    # 回调函数：将数字转为英文，保留原有空白
    def match_to_words(match):
        num_part = match.group(1)
        space_part = match.group(2)
        return f"{num2words(num_part)}{space_part}"
    # 直接执行替换，无匹配时原样返回输入文本
    return pattern.sub(match_to_words, text)

# 直接对Series执行map即可，不需要额外套pd.DataFrame
Data['text'] = Data['text'].map(remove_numbers)

• 对输入"I am 45, I came here 4 times and I have been waiting for 45 hours."，输出为"I am 45, I came here four times and I have been waiting for forty-five hours."，完全符合预期：句首不跟单位的45保持不变，位于times、hours前的数字正确转成英文文本
• 全DataFrame批量处理时不会触发变量未定义报错，无数字的纯文本行原样保留

内容的提问来源于stack exchange，提问作者Maestra