如何在DataFrame中按指定长度拆分长字符串并生成新行（保留完整单词）

下面分两种阈值场景给出实现方法，均保证在完整单词处拆分，不会截断单词：

一、按单词数（9个单词）拆分 #

先写一个拆分函数，判断字符串的单词数量，超过9个则在第9个单词后拆分为两段；不足阈值则保持原字符串：

import pandas as pd

def split_by_word_count(s, threshold=9):
    words = s.strip("'").split()  # 去除示例中的单引号并拆分单词
    if len(words) <= threshold:
        return [f"'{' '.join(words)}'"]
    # 拆分为前9个单词和剩余部分
    part1 = f"'{' '.join(words[:threshold])}'"
    part2 = f"'{' '.join(words[threshold:])}'"
    return [part1, part2]

# 构建示例数据
df = pd.DataFrame({
    'var1': ["'this is a long string that should break here but it keeps going'", "'this string is a fine length'"],
    'var2': [1, 2],
    'var3': ['a', 'b']
})

# 执行拆分并展开结果
result = df.assign(var1=df['var1'].apply(split_by_word_count)).explode('var1').reset_index(drop=True)
print(result)

运行后输出与示例一致：

var1  var2 var3
0  'this is a long string that should break'     1    a
1                'here but it keeps going'     1    a
2               'this string is a fine length'     2    b

二、按字符数（80字符）拆分 #

编写函数找到80字符范围内最后一个空格的位置进行拆分，避免截断单词：

def split_by_char_length(s, threshold=80):
    s_clean = s.strip("'")
    if len(s_clean) <= threshold:
        return [f"'{s_clean}'"]
    # 定位阈值内最后一个空格的位置
    split_pos = s_clean.rfind(' ', 0, threshold)
    # 极端情况：无空格则直接按阈值拆分（可按需调整逻辑）
    if split_pos == -1:
        split_pos = threshold
    part1 = f"'{s_clean[:split_pos]}'"
    part2 = f"'{s_clean[split_pos+1:]}'"
    return [part1, part2]

# 应用函数处理
result_char = df.assign(var1=df['var1'].apply(split_by_char_length)).explode('var1').reset_index(drop=True)
print(result_char)

对你现有代码的修改思路 #

你之前的代码是按特定字符（逗号）拆分，核心逻辑是str.split()+explode()，只需把拆分逻辑替换成自定义函数即可，比如：

result = df.set_index(['var2', 'var3'])
           .assign(var1=lambda x: x['var1'].apply(split_by_word_count))
           .explode('var1')
           .reset_index()

这样就能复用你原有的索引操作逻辑，同时实现按单词/字符拆分的需求。

内容的提问来源于stack exchange，提问作者joules