Python处理Twitter数据时，对列应用清洗函数报错：object of type 'float' has no len()

嘿，我看你遇到的这个问题挺常见的，咱们来一步步拆解解决哈！

问题原因分析 #

你单独处理某一条评论时没问题，但给整列用apply就报错object of type 'float' has no len()，这十有八九是你的comment列里藏着空值（NaN）——在pandas里，NaN的类型是float，当函数遍历到这些空值时，后续的字符串处理步骤（比如BeautifulSoup解析、正则替换）就会因为传入的不是字符串而触发错误。

解决方案 #

1. 先处理数据里的空值

你可以根据需求选下面两种方式：

• 方式一：直接删除含空值的行（如果空值占比低，不影响后续分析的话）

# 只删除comment列有空值的行
twitter_data = twitter_data.dropna(subset=['comment'])

• 方式二：把空值替换成空字符串（想保留所有行，后续清洗后对应结果为空）

twitter_data['comment'] = twitter_data['comment'].fillna('')

2. 给清洗函数加防御性检查+效率优化

即使处理了空值，也可以在函数里加一层保险，同时把重复初始化的对象移到函数外提升效率：

import pandas as pd
from bs4 import BeautifulSoup
import re
import nltk
from nltk.corpus import stopwords
from nltk.stem import SnowballStemmer, WordNetLemmatizer

# 只初始化一次，避免每次调用函数重复执行
SW = set(stopwords.words('english'))  # 转成集合，查找速度更快
SS_stem = SnowballStemmer(language='english')
word_lemmitize = WordNetLemmatizer()

def data_clean_pipeline(text):
    # 先处理非字符串的情况，比如NaN或者float类型
    if not isinstance(text, str):
        # NaN转空字符串，其他非字符串类型转成字符串
        text = '' if pd.isna(text) else str(text)
    
    # 原有清洗逻辑
    text = str(BeautifulSoup(text).get_text())
    text = re.sub("[^a-zA-Z]", " ", text)
    text = text.lower()
    text = nltk.word_tokenize(text)
    text = [t for t in text if t not in SW]
    text = [SS_stem.stem(t) for t in text]
    text = [word_lemmitize.lemmatize(t) for t in text]
    
    return " ".join(text)

3. 重新应用函数

处理完空值或者修改函数后，再执行列应用代码：

twitter_data['clean'] = twitter_data['comment'].apply(data_clean_pipeline)

这样应该就能顺利运行啦！把重复初始化的对象移到函数外，还能大幅提升整列数据的处理效率哦～

备注：内容来源于stack exchange，提问作者a_mittal