如何在Pandas中根据字符串末尾标点复制并处理数据行？

先看原始数据和要实现的效果：

原始DataFrame：

msg | label
"hello" | 1
"hi!"   | 0

我们需要把所有msg列末尾为?、.、!的行复制一份，复制出的行去掉末尾标点，最终得到如下结果：

处理后DataFrame：

msg | label
"hello" | 1
"hi!"   | 0
"hi"    | 0

具体实现代码 #

直接用这段代码就能完成需求：

import pandas as pd

# 构造原始DataFrame（如果是从文件读取，替换成pd.read_csv/pd.read_excel等即可）
df = pd.DataFrame({
    'msg': ['hello', 'hi!'],
    'label': [1, 0]
})

# 筛选出msg末尾为?/.!/的行
target_rows = df[df['msg'].str.endswith(('.', '?', '!'), na=False)]

# 复制筛选出的行，同时去掉msg列末尾的标点
new_rows = target_rows.copy()
new_rows['msg'] = new_rows['msg'].str[:-1]

# 合并原数据和新生成的行，重置索引避免重复
final_df = pd.concat([df, new_rows], ignore_index=True)

print(final_df)

简单说明 #

1. str.endswith(('.', '?', '!'), na=False)：精准匹配末尾的三种标点，na=False用来避免空值引发的异常
2. str[:-1]直接截取除最后一个字符外的内容，快速去掉末尾标点
3. pd.concat将原数据和新行合并，ignore_index=True重新生成连续索引，避免索引混乱

内容的提问来源于stack exchange，提问作者Gooby