如何将DataFrame列的每个字符拆分到独立列？解决np.asarray赋值错误

问题描述 #

现有如下DataFrame：

import pandas as pd
df = pd.DataFrame({'a': ['bear', 'fox', 'wolf', 'mouse']})

输出结构：

a
0   bear
1    fox
2   wolf
3  mouse

需要将a列的每个单词拆分为单个字符的多列，期望输出：

0  1  2    3    4
0  b  e  a    r  NaN
1  f  o  x  NaN  NaN
2  w  o  l    f  NaN
3  m  o  u    s    e

直接使用np.asarray会报错：ValueError: setting an array element with a sequence，原因是numpy数组要求所有元素长度一致，而各单词的字符数不同。

解决方案 #

方法1：使用apply结合pd.Series #

将每个字符串转为字符列表，再转为Series，pandas会自动用NaN填充空缺位置：

# 拆分字符并转为DataFrame
result = df['a'].apply(list).apply(pd.Series)
print(result)

运行后即可得到目标输出。

方法2：使用str.split过滤空值 #

利用字符串的split方法拆分字符，再过滤拆分产生的首尾空字符串：

# 获取最长单词的长度
max_len = df['a'].str.len().max()
# 拆分字符并展开为列，过滤空值列
result = df['a'].str.split('', expand=True).drop([0, max_len + 1], axis=1)
print(result)

这种方法先拆分出所有字符（包括首尾空串），再删除多余的空值列，同样能得到目标结果。

报错原因说明 #

np.asarray要求输入的序列长度必须统一，但原数据中每个单词的字符数不同（3-5个），因此无法直接转为numpy数组。而pandas的DataFrame/Series支持不等长序列，会自动用缺失值（NaN）填充长度不足的部分，完美适配这种场景。

内容的提问来源于stack exchange，提问作者Marineil Gomez