Pandas如何将固定长度拆分的列拼接为相邻块连字符格式多列

问题场景 #

现有pandas列存储连续字符串，典型值为abcdefghi、abcdefghijkl、abcdefghijklmno这类长度为3的整数倍的字符串，需要输出多列，每列值为相邻两个3字符分块用-拼接的结果，对应关系如下：

• 输入abcdefghi（长度9）输出2列：abc-def、def-ghi
• 输入abcdefghijkl（长度12）输出3列：abc-def、def-ghi、ghi-jkl
• 输入abcdefghijklmno（长度15）输出4列：abc-def、def-ghi、ghi-jkl、jkl-mno

当前已实现按3字符步长拆分字符串为独立分块，代码如下：

def split_chunk(txt, n=3):
    return [txt[i:i+n] for i in range(0, len(txt), n)]

df = pd.DataFrame(df.COLUMN.apply(split_chunk).to_list())

拆分后的结果每列存一个3字符分块，空值对应长度不足的行，示例：

解决方案 #

方法1：直接在拆分阶段生成目标结果（推荐） #

不需要先生成分块中间表，拆分后直接拼接相邻块，代码更简洁效率更高：

import pandas as pd

def split_to_pairs(txt, chunk_size=3):
    # 先按3字符拆分
    chunks = [txt[i:i+chunk_size] for i in range(0, len(txt), chunk_size)]
    # 相邻块拼接，块数为k时输出k-1个拼接结果
    return [f"{chunks[idx]}-{chunks[idx+1]}" for idx in range(len(chunks)-1)]

# 直接生成目标多列结果
res_df = pd.DataFrame(df['COLUMN'].apply(split_to_pairs).to_list())

方法2：基于已有的分块中间表处理 #

如果已经生成了存分块的中间DataFrame（假设命名为chunk_df），可以逐列滑动拼接相邻非空值：

res_df = pd.DataFrame()
col_count = chunk_df.shape[1]
for col_idx in range(col_count - 1):
    # 只取当前列和下一列都非空的行做拼接，自动跳过空值行
    valid_rows = chunk_df[[col_idx, col_idx+1]].dropna().index
    res_df.loc[valid_rows, col_idx] = chunk_df.loc[valid_rows, col_idx] + '-' + chunk_df.loc[valid_rows, col_idx+1]

两种方法最终输出结果完全匹配预期，示例如下：

补充：如果原字符串长度不是3的整数倍，末尾不足3字符的残块会自动被过滤，不会参与拼接，符合相邻等长分块配对的逻辑。

内容的提问来源于stack exchange，提问作者Glammy