使用Lambda处理Pandas列正则提取时出现'NoneType'无'group'属性错误

嘿，这个问题我太熟了！当re.search()在你的content列某行里找不到符合@([a-zA-Z0-9]{1,15})的匹配内容时，它会返回None，这时候你直接调用.group(1)就会触发'NoneType' object has no attribute 'group'这个错误。咱们有几个简单的解决办法：

方法1：在lambda里处理None的情况 #

你可以先判断re.search()的返回值是不是None，再决定要不要提取分组内容：

• 如果你的Python版本是3.8+，可以用海象运算符简化代码：

import re
dff['User_Mentions'] = dff['content'].apply(lambda x: match.group(1) if (match := re.search("@([a-zA-Z0-9]{1,15})", x)) else None)

• 要是版本较低，就用嵌套的方式避免重复调用正则：

dff['User_Mentions'] = dff['content'].apply(lambda x: (lambda m: m.group(1) if m else None)(re.search("@([a-zA-Z0-9]{1,15})", x)))

这样没有匹配的行就会被设为None，不会报错。

方法2：用Pandas原生的str.extract()（更推荐） #

Pandas专门提供了字符串处理方法，str.extract()会自动处理没有匹配的情况，直接返回NaN，代码更简洁高效：

dff['User_Mentions'] = dff['content'].str.extract("@([a-zA-Z0-9]{1,15})", expand=False)

expand=False会让结果返回Series，刚好适合赋值给新列。

额外排查：看看哪些行没匹配到 #

如果你想知道为什么有些行没匹配上，可以先找出这些行，检查是不是正则表达式的问题（比如用户名里有下划线？Twitter用户名允许下划线，但你的正则只包含字母数字）：

no_match_rows = dff[dff['content'].str.contains("@([a-zA-Z0-9]{1,15})") == False]
print(no_match_rows['content'])

要是确实有带下划线的用户名，把正则改成@([a-zA-Z0-9_]{1,15})就好啦。

内容的提问来源于stack exchange，提问作者Bilal Aamer