Python关键词DataFrame列解析：拆分词列并关联金额列

我来帮你搞定这个需求！咱们可以用Pandas轻松实现把Words列拆分后和Amount列关联生成新DataFrame的操作，以下是具体步骤和代码：

步骤1：构造示例DataFrame（或读取数据源） #

先还原你的示例数据，如果是从Excel读取，用pd.read_excel()即可，这里先构造示例数据：

import pandas as pd

# 你的示例数据源
original_data = {
    'Words': ['Google', 'Google is awesome', 'Hi Google'],
    'Amount': [5, 10, 5]
}
df = pd.DataFrame(original_data)

步骤2：拆分Words列并整理列名 #

用str.split()方法拆分字符串，指定最多拆分次数来得到3个单词列，同时将拆分结果转为DataFrame并重命名列：

# 拆分Words列，最多拆分为3列，缺失值用NaN填充
split_result = df['Words'].str.split(' ', n=2, expand=True)
# 重命名列，匹配你需要的Word1/Word2/Word3格式
split_result.columns = ['Word1', 'Word2', 'Word3']

步骤3：合并拆分结果与Amount列 #

把拆分后的单词列和原DataFrame的Amount列按列合并，得到最终的新DataFrame：

# 按列拼接数据，保证每行金额与拆分后的单词一一对应
new_df = pd.concat([split_result, df['Amount']], axis=1)

# 如果需要把NaN替换为空字符串，可添加这一行
# new_df = new_df.fillna('')

最终结果 #

运行后new_df的输出如下：

Word1    Word2     Word3  Amount
0   Google      NaN       NaN       5
1   Google       is  awesome      10
2      Hi    Google       NaN       5

关键说明 #

• str.split(' ', n=2, expand=True)：n=2表示最多拆分2次，确保得到最多3列；expand=True让拆分结果直接成为DataFrame，方便后续操作。
• 合并时用axis=1表示按列拼接，严格保留每行的金额与对应拆分单词的关联关系。

内容的提问来源于stack exchange，提问作者archangel