如何将列表中多语句存入pandas DataFrame及解决评论拆分合并异常

嘿，我来帮你搞定这个问题！

首先得搞清楚你遇到的19列问题到底咋回事：我猜你之前可能是直接把拆分出来的句子列表直接赋值给DataFrame的新列了，结果pandas把每个句子当成了单独的列，才会冒出这么多列——这是因为pandas对列表的赋值逻辑和你预期的不一样，它会把二维列表（每行拆出的句子组成的大列表）的每个子元素当成一列，而不是把每个子列表放进单个单元格里。

下面分两种常见需求给你解决方案：

需求1：原表每行保留，新增一列存该评论的拆分句子列表 #

这种情况适合你需要保留原评论的整体信息，同时在一列里存拆分后的句子集合。

步骤如下：

1. 先导入需要的库并下载nltk的分词模型：

import pandas as pd
from nltk.tokenize import sent_tokenize
import nltk
nltk.download('punkt')

2. 写一个处理单条评论的拆分函数，顺便处理空值避免报错：

def split_into_sentences(text):
    # 处理空评论的情况
    if pd.isna(text):
        return []
    # 用nltk拆分句子
    return sent_tokenize(text)

3. 给原DataFrame新增列，用apply对每行的评论字段调用拆分函数：

# 假设你的原表叫df，评论字段是'review'
df['split_sentences'] = df['review'].apply(split_into_sentences)

这样每个单元格里就会是一个包含该评论所有拆分句子的列表，不会生成多余的列。

需求2：把每个拆分后的句子单独成一行，关联原表的其他字段 #

这种情况更适合后续的单句分析，比如统计每个句子的情感、关键词等，每行对应一个句子，原表的其他字段（比如评论ID、用户ID）会跟着重复。

在需求1的基础上，用pandas的explode方法就能轻松实现：

# 把列表列展开成单独的行，ignore_index=True重置索引
df_expanded = df.explode('split_sentences', ignore_index=True)

举个例子，原表一行评论拆出3个句子，用explode后就会变成3行，每行对应一个句子，其他字段和原行保持一致。

举个完整的示例 #

假设你的原数据是这样的：

data = {
    'review_id': [1, 2],
    'user_id': [1001, 1002],
    'review': [
        "这款耳机音质很棒，续航也够久。就是价格有点小贵，不过值得入手。",
        "物流太慢了，等了五天才到。包装倒是很严实，没有损坏。"
    ]
}
df = pd.DataFrame(data)

按照上面的步骤处理后，df的split_sentences列会是：

而df_expanded会变成：

这样就完全符合你的需求啦！

内容的提问来源于stack exchange，提问作者Nika