如何将DataFrame文本列按固定词数拆分至多行？

问题场景 #

现有如下Pandas DataFrame：

import pandas as pd

data = [
        ["a", "Lorem ipsum dolor sit amet, consectetur adipiscing elit."],
        ["b", "Etiam imperdiet fringilla est, eu tristique risus varius vitae."]
       ]
df = pd.DataFrame(data, columns=['name', 'text'])

原始DataFrame输出：

name                                               text
0    a  Lorem ipsum dolor sit amet, consectetur adipiscing elit.
1    b  Etiam imperdiet fringilla est, eu tristique risus varius vitae.

需要将text列的字符串按每行3个单词拆分为多行，拆分后保留原行的name列数据，最后一行若剩余单词不足3个也正常保留，期望得到如下结果：

name                       text
0    a          Lorem ipsum dolor
1    a      sit amet, consectetur
2    a           adipiscing elit.
3    b  Etiam imperdiet fringilla
4    b          est, eu tristique
5    b        risus varius vitae.

解决方案 #

通过文本分组+行展开的方式实现，具体步骤如下：

1. 自定义函数，将单条文本拆分为单词列表后，按每3个单词一组拼接成新字符串；
2. 对text列应用该函数，生成分组后的字符串列表；
3. 使用explode()方法将列表展开为多行，并重置索引。

完整代码 #

import pandas as pd

data = [
        ["a", "Lorem ipsum dolor sit amet, consectetur adipiscing elit."],
        ["b", "Etiam imperdiet fringilla est, eu tristique risus varius vitae."]
       ]
df = pd.DataFrame(data, columns=['name', 'text'])

# 自定义分组函数：按n个单词为一组拆分文本
def split_by_word_count(text, n=3):
    words = text.split()
    # 按步长n分割单词列表，拼接为字符串
    return [' '.join(words[i:i+n]) for i in range(0, len(words), n)]

# 应用函数生成分组后的列表，再展开为多行
df['text'] = df['text'].apply(split_by_word_count)
result_df = df.explode('text').reset_index(drop=True)

print(result_df)

代码说明 #

• split_by_word_count函数：先通过split()将文本拆分为单词列表，再用列表推导式按每3个单词为一组拼接成新字符串；
• explode()方法：将列中的列表元素逐个展开为单独的行，同时保留其他列的对应值；
• reset_index(drop=True)：重置索引，避免展开后出现重复索引。

内容的提问来源于stack exchange，提问作者ClaudiaR