Pandas技术问题：提取DataFrame列中字符串元素的代码无效，求解决方法

咱们先揪出几个可能导致代码失效的原因，再逐个解决：

1. 列名拼写错误（最容易忽略的坑） #

你代码里写的是ndf['LDU']，但问题里的目标列是Column2——如果这不是笔误的话，那代码根本没在处理正确的列，自然会返回不符合预期的结果！先确认列名是否完全匹配。

2. basestring只适用于Python 2，Python 3已移除 #

basestring是Python 2中用来统一判断字符串（str/unicode）的父类，但Python 3里已经没有这个类型了，所有字符串都是str类型。如果你的代码运行在Python 3环境下，isinstance(i, basestring)会失去判断作用，导致结果不符合预期。换成Python 3兼容的写法：

# Python 3 下正确的字符串判断
my_list = [i for i in ndf['Column2'] if isinstance(i, str)]

3. 先确认列中元素的实际类型 #

有时候DataFrame的object类型列会混合存储数值和字符串，但也有可能那些“数值”其实是字符串形式的（比如'1.246982'），这时候isinstance(i, str)会把它们也纳入结果。先跑一行代码看看元素类型分布：

print(ndf['Column2'].apply(type).value_counts())

如果发现那些数值确实是字符串类型，那需要额外过滤掉纯数字字符串。利用你的数据特征：基因名要么是单个名称，要么是逗号分隔的多个名称，完全不会是纯数字。可以写个小函数来判断：

def is_valid_gene_entry(entry):
    if not isinstance(entry, str):
        return False
    # 两种情况：包含逗号（多基因），或者不是纯数字字符串
    return ',' in entry or not entry.replace('.', '', 1).isdigit()

my_list = [i for i in ndf['Column2'] if is_valid_gene_entry(i)]

测试验证 #

用你给出的DataFrame示例，上面的代码会返回：
['BMS1P17,BMS1P18,BMS1P22,DUXAP8', 'LINC01297', 'POTEH,POTEH-AS1', 'HDHD5,HDHD5-AS1', 'LOC101929372,SLC25A18']，完全符合你的需求。

内容的提问来源于stack exchange，提问作者RJF