Pandas拆分Google情感分析结果为独立列 空值填充None实现方案

直接替换原有拆分逻辑即可，核心是提前做空值兜底，强制固定拆分后的列数为4，空值位置自动填充None，从根源避免列数不固定导致的合并报错。

import pandas as pd

# 单条情感结果拆分逻辑
def parse_sentiment(val):
    # 空值/空白值直接返回4个None，保证返回值长度固定
    if pd.isna(val) or str(val).strip() == "":
        return [None, None, None, None]
    # 有效值按任意空白（空格、换行符）拆分，刚好得到4个元素
    return str(val).split()

# 执行拆分，固定输出4列
sentiment_split = df01["sentiment"].apply(parse_sentiment).apply(pd.Series)
# 可选：给拆分后的列命名，方便后续识别
sentiment_split.columns = ["mag_field", "magnitude", "score_field", "score"]
# 可选：把数值列转成浮点类型，方便后续计算
sentiment_split[["magnitude", "score"]] = sentiment_split[["magnitude", "score"]].astype(float)

# 和原始DataFrame按行索引合并，不会再出现列数不匹配报错
df_merged = pd.concat([df01, sentiment_split], axis=1)

逻辑说明 #

• 自定义拆分函数对空值做了前置判断：只要sentiment列的单元格是NaN、空字符串、全空白内容，直接返回长度为4的None列表，不会出现拆分后长度不足的问题
• 有效值的拆分逻辑和你之前用的str.split()完全一致，默认按所有空白字符（空格、换行符）切割，刚好匹配Google接口返回的键: 值\n键: 值格式，拆分结果和你之前的有效行输出完全对齐
• 不管原始数据里有没有有效情感分析结果，拆分后都会稳定生成4列，直接和原表拼接即可，不需要额外做列补全操作

效果验证 #

即使所有行的sentiment字段全为空，拆分结果也会是4列全None的固定结构，满足后续合并要求；存在有效值的行拆分结果和你之前的输出完全一致，不会影响已有逻辑。

内容的提问来源于stack exchange，提问作者dsx