在python列表上使用apply时出错

我有一个数据框，其中

txt

列包含一个列表。我想使用函数clean_text（）清理

txt

列

我的解决方案：

但我得到了以下错误： 错误

---

我不知道如何使用

numpy。在这个问题中，

在哪里。

根据对您问题的修改和评论中的讨论，我认为您需要使用以下行：

df['txt'] = df['txt'].apply(lambda x: [clean_text(z) for z in x])

在这种方法中，

apply

与

lambda

一起使用，以循环

txt

系列的每个元素，而一个简单的for循环（使用Python的列表理解表示）用于迭代

txt

子列表中的每个项目

我已使用以下值对

数据
测试了该代码段：

data = {
    'value': [
        'abc.txt',
        'cda.txt',
    ],
    'txt':[
        [
            '2019/01/31-11:56:23.288258 1886     7F0ED4CDC704     asfasnfs: remove datepart',
        ],
        [
            '2019/02/01-11:56:23.288258 1886     7F0ED4CDC704     asfasnfs: remove datepart',
        ],
    ]
}

下面是控制台输出的一个片段，显示了转换前后的数据帧：

>>> df

     value                                                txt
0  abc.txt  [2019/01/31-11:56:23.288258 1886     7F0ED4CDC...
1  cda.txt  [2019/02/01-11:56:23.288258 1886     7F0ED4CDC...

>>> df['txt'] = df['txt'].apply(lambda x: [clean_text(z) for z in x])

>>> df

     value                         txt
0  abc.txt  [asfasnfs remove datepart]
1  cda.txt  [asfasnfs remove datepart]
>>> 

不一样。我如何使用
np.where
在我的例子中？我认为你在这个例子中的数据集是不完整的？使用为
数据提供的值运行代码时，这对我来说运行正常，不会产生属性错误。@Spenced，我更新了问题，基本上txt列包含字符串列表。啊，这有点道理，尽管上面的代码显然格式不正确，由于粘贴了
df
at的输出。无论如何，我不确定你的最终目标是什么，但这看起来确实运行并执行了替换
df['txt']。apply（lambda x:[clean_text（z）for z in x]）
@user15051990我永远不会理解为什么人们会接受答案，但也不会投票给他们。这当然是完全可选的，但不需要任何费用。（目前唯一的投票是我的）@uhoh，lol我不能假装理解，但是哦，好吧。很高兴能帮助别人！
df['txt'] = df['txt'].apply(lambda x: [clean_text(z) for z in x])

data = {
    'value': [
        'abc.txt',
        'cda.txt',
    ],
    'txt':[
        [
            '2019/01/31-11:56:23.288258 1886     7F0ED4CDC704     asfasnfs: remove datepart',
        ],
        [
            '2019/02/01-11:56:23.288258 1886     7F0ED4CDC704     asfasnfs: remove datepart',
        ],
    ]
}

>>> df

     value                                                txt
0  abc.txt  [2019/01/31-11:56:23.288258 1886     7F0ED4CDC...
1  cda.txt  [2019/02/01-11:56:23.288258 1886     7F0ED4CDC...

>>> df['txt'] = df['txt'].apply(lambda x: [clean_text(z) for z in x])

>>> df

     value                         txt
0  abc.txt  [asfasnfs remove datepart]
1  cda.txt  [asfasnfs remove datepart]
>>>