如何在Pandas DataFrame中按句号分割文本并计算各段长度（去空格）

你可以编写function_len函数，先按句号分割文本，再对每个分割后的文本块去除开头空格，最后计算每个块的长度：

import pandas as pd

def function_len(text):
    # 按句号分割文本
    chunks = text.split('.')
    # 对每个块去除开头空格后计算长度，生成结果列表
    return [len(chunk.lstrip()) for chunk in chunks]

测试验证 #

用你给出的示例测试：

• 测试1：

text1 = 'We are happy.We are happy'
print(function_len(text1))  # 输出 [13, 13]

• 测试2：

text2 = 'we are happy. we are happy'
print(function_len(text2))  # 输出 [13, 13]

应用到Pandas DataFrame #

假设你的DataFrame结构如下：

df = pd.DataFrame({
    'text': [
        'We are happy.We are happy',
        'we are happy. we are happy',
        'Hello.  This is a test.   End'
    ]
})

df['output'] = df['text'].apply(function_len)

运行后df['output']的结果为：

0          [13, 13]
1          [13, 13]
2    [5, 14, 3]

说明：lstrip()只会移除每个文本块开头的空格，不会影响块中间或结尾的空格，完全匹配你的需求。如果遇到分割后是空字符串的情况（比如文本以句号开头或结尾），lstrip()处理后还是空字符串，长度为0，这也是合理的行为。

内容的提问来源于stack exchange，提问作者noob4ever