如何基于换行符拆分DataFrame行（行内计数超3时）

给定如下DataFrame：

col1  col2   col3  col4
row1  'a'    'b'    'c'   'd\ne'
row2 'f\ng' 'h\ni' 'j\nk' 'l\nm'
row3 'n'    'o'    'p'     'q'
row4 'r'    's'    't'     'u'

需求：基于换行符\n将符合条件的行拆分为两行，条件是该行内\n的计数超过3。期望输出如下：

col1  col2   col3  col4
    row1  'a'     'b'    'c'   'd\ne'
    row2  'f'     'h'    'j'    'l'
    row3  'g'     'i'    'k'    'm'
    row4  'n'     'o'    'p'    'q'
    row5  'r'     's'    't'    'u'

已有识别目标行的代码：

for row in range(df.shape[0]):
    if '\n' in df.iloc[row,0]:
        if (''.join(df.iloc[row]).count('\n'))>3:
            print(row)

需要解决两个问题：

1. 上述识别代码能否优化为单行实现？
2. 是否可以结合vstack来拆分含\n的DataFrame行？

一、优化识别目标行的单行代码 #

可以用pandas向量化操作替代循环，一行代码即可筛选出符合条件的行索引：

target_rows = df.index[df.apply(lambda x: ''.join(x).count('\n') > 3, axis=1)]

说明：

• df.apply(..., axis=1)对每一行执行逻辑判断
• ''.join(x).count('\n') > 3计算整行的\n总数并判断是否超过3
• 无需单独判断第一列是否含\n，因为总数超过3的行必然至少有一个列包含\n

二、结合vstack实现行拆分 #

可以通过以下步骤完成，核心是将目标行拆分为多行数组后，用np.vstack拼接回原DataFrame：

步骤1：准备示例DataFrame（注意移除字符串的单引号，避免影响拆分逻辑） #

import numpy as np
import pandas as pd

df = pd.DataFrame({
    'col1': ["a", "f\ng", "n", "r"],
    'col2': ["b", "h\ni", "o", "s"],
    'col3': ["c", "j\nk", "p", "t"],
    'col4': ["d\ne", "l\nm", "q", "u"]
}, index=["row1", "row2", "row3", "row4"])

步骤2：拆分目标行并拼接 #

# 获取符合条件的行索引
target_rows = df.index[df.apply(lambda x: ''.join(x).count('\n') > 3, axis=1)]

# 拆分目标行为二维数组
split_row_list = []
for idx in target_rows:
    row_data = df.loc[idx]
    # 按\n分割每个列的内容
    split_cols = [col.split('\n') for col in row_data]
    # 转置后得到拆分后的多行结构
    split_array = np.array(split_cols).T
    split_row_list.append(split_array)

# 用vstack合并所有拆分后的行
split_rows_array = np.vstack(split_row_list)

# 移除原DataFrame中的目标行，再拼接拆分后的行
df_filtered = df.drop(target_rows)
split_df = pd.DataFrame(split_rows_array, columns=df.columns)
result_df = pd.concat([df_filtered, split_df], ignore_index=True)

# 重置索引为row1到row5，匹配期望输出格式
result_df.index = [f"row{i+1}" for i in range(len(result_df))]

最终输出 #

col1 col2 col3  col4
row1    a    b    c  d\ne
row2    n    o    p     q
row3    r    s    t     u
row4    f    h    j     l
row5    g    i    k     m

（若需要严格匹配期望的行顺序，可通过reindex调整：result_df = result_df.reindex(["row1", "row4", "row5", "row2", "row3"])）

关键说明 #

• np.vstack可以高效拼接多行二维数组，适合批量处理行拆分场景
• 原DataFrame中的字符串不要包含多余的单引号，否则拆分后会保留单引号字符
• 可按需调整最终结果的索引和行顺序，完全匹配需求格式

内容的提问来源于stack exchange，提问作者dartigan