Pandas如何筛选指定列文本单词数大于3的所有DataFrame行

你原先的代码运行报错核心是索引逻辑使用错误：
len(df.answer) 计算的是answer这个Series对象本身的元素总数，也就是整个DataFrame的总行数（本示例中为7），根本没有逐行计算每个单元格内文本的单词数量。此时len(df.answer) > 3 运算得到的是单个布尔标量True，拿这个标量做DataFrame索引时，pandas会尝试把它当列名查询，找不到对应列就抛出KeyError: True。

核心思路是先生成逐行匹配的布尔掩码，也就是对每一行的answer文本单独计算单词数，和阈值3比较得到True/False的序列，再用这个序列筛选符合条件的行。

• 推荐用向量化字符串方法实现，性能最优，不需要写循环：

# 1. 按空白拆分每个单元格的文本，计算拆分后的元素个数，生成布尔掩码
mask = df['answer'].str.split().str.len() > 3
# 2. 用掩码筛选数据
result_df = df[mask]

• 如果后续需要自定义更复杂的单词计数规则（比如过滤特殊符号、停用词等），可以用apply方法逐行处理：

def count_words(text):
    # 可在此处扩展自定义计数逻辑
    return len(text.split())

mask = df['answer'].apply(count_words) > 3
result_df = df[mask]

上述代码运行后筛选出的answer列值，和你列出的目标行完全一致：

• 'hello how are you doing'（拆分后共5个词）
• 'bye bye bye bye'（拆分后共4个词）
• 'Who let the dogs out'（拆分后共4个词）
• '1 + 1 + 1 + 2'（拆分后共7个元素）

内容的提问来源于stack exchange，提问作者Exa