如何用Pandas按固定词数拆分未知列数的字符串列？

这问题我之前也遇到过，用Pandas处理这种按固定个数分组拆分的需求其实很简单，咱们一步步来实现：

先构造你给出的示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'Text': [
        'He codes',
        'He codes well in python',
        'Python is great language',
        'Pandas package is very handy'
    ]
})

我们需要把每个字符串拆成单词后，每2个词合并成一个新的字符串，最后剩下的单个词就单独成一组。可以写个小函数来处理：

def pair_words(text):
    words = text.split()
    # 按步长2遍历单词列表，每2个词合并一次
    return [' '.join(words[i:i+2]) for i in range(0, len(words), 2)]

把这个函数应用到Text列上，得到每个元素对应的分组列表，再把这些列表转换成新的DataFrame：

# 应用函数得到分组后的列表Series
grouped_series = df['Text'].apply(pair_words)
# 转换为DataFrame，自动补全NaN
result_df = pd.DataFrame(grouped_series.tolist(), index=df.index)

运行完上面的代码后，result_df就是你想要的结果：

0        1         2
0   He codes     NaN       NaN
1   He codes  well in    python
2  Python is great language       NaN
3 Pandas package    is very     handy

如果你想更简洁一点，也可以把函数写成lambda表达式，一步到位：

result_df = pd.DataFrame(
    df['Text'].apply(lambda x: [' '.join(x.split()[i:i+2]) for i in range(0, len(x.split()), 2)]).tolist(),
    index=df.index
)

原理其实很简单：先用split()把字符串拆成单词列表，然后用步长为2的range来切片，每次取2个单词合并，最后把所有列表转换成DataFrame时，Pandas会自动为长度不足的行填充NaN，完美匹配你的需求～

内容的提问来源于stack exchange，提问作者Tushar Agrawal