如何在清洗Pandas DataFrame文本列时保留空格（仅留0-9、a-z）

嘿，这个问题我之前也踩过坑！你只需要在正则表达式的保留字符列表里加上空格就行啦，原来的写法把空格也当成“非允许字符”删掉了，调整一下就搞定。

核心思路 #

你原来的过滤逻辑应该是用了类似 str.replace(r'[^a-z0-9]', '') 的正则，这个表达式会匹配所有不是小写字母和数字的字符，自然也包括空格，所以空格被一起替换掉了。我们只需要把空格加入到“允许保留”的集合里，变成 [^a-z0-9 ]（注意括号里最后加了个空格），这样就能保留单词间的空格了。

具体代码示例 #

import pandas as pd

# 先创建一个示例DataFrame模拟你的数据
df = pd.DataFrame({
    'text': [
        'Hello! World 123',
        'Test@#$ Multi  Space String',
        'No-symbols_here_but-need-spaces'
    ]
})

# 执行过滤：保留字母（大小写都可以，case=False）、数字和空格
df['cleaned_text'] = df['text'].str.replace(r'[^a-zA-Z0-9 ]', '', case=False)

# 如果想把多个连续空格合并成一个（可选优化）
df['cleaned_text'] = df['cleaned_text'].str.replace(r'\s+', ' ')

print(df)

执行后输出的cleaned_text列就会是：

0              Hello World 123
1        Test Multi Space String
2    No symbols here but need spaces

补充说明 #

• 如果只需要保留小写字母，去掉case=False参数就行；
• 最后的str.replace(r'\s+', ' ')是可选操作，用来处理过滤后可能出现的多个连续空格，让文本更整洁。

内容的提问来源于stack exchange，提问作者Ni_Tempe