如何使用Pandas截断句子左右部分？求DataFrame实现方案

没问题，我来帮你把这个单句子的截断逻辑迁移到Pandas DataFrame里，核心思路就是把你写的逻辑封装成自定义函数，再批量应用到DataFrame的列上就行，一步步来：

1. 封装通用的截断函数 #

先把你原来的逻辑改成更灵活的函数，还能处理根词在句子开头/结尾的边界情况（避免索引越界）：

def truncate_sentence(sentence, target_root, before_words=4, after_words=4):
    try:
        # 将句子拆分为单词列表
        word_list = sentence.split()
        # 找到目标根词的索引
        root_idx = word_list.index(target_root)
        # 计算截取的起始/结束位置，自动处理边界（比如根词在句首时，起始位置设为0）
        start_pos = max(0, root_idx - before_words)
        # 切片是左闭右开，所以结束位置要+1才能包含after_words个后续单词
        end_pos = root_idx + after_words + 1
        # 拼接成截断后的句子
        return ' '.join(word_list[start_pos:end_pos])
    except ValueError:
        # 找不到根词时返回None
        return None

2. 批量应用到DataFrame列 #

假设你的DataFrame有一列存储待处理的句子（比如叫sentences），用apply方法就能把函数批量作用到每一行：

import pandas as pd

# 创建示例DataFrame
sample_data = {
    'sentences': [
        "lack of association between the promoter polymorphism of the mtnr1a gene and adolescent idiopathic scoliosis",
        "this is a test sentence without your target word",
        "mtnr1a sits right at the start of this sentence",
        "here's a sentence where mtnr1a is near the very end"
    ]
}
df = pd.DataFrame(sample_data)

# 应用函数生成新的截断列
df['truncated_sentence'] = df['sentences'].apply(
    lambda x: truncate_sentence(x, target_root='mtnr1a')
)

# 查看结果
print(df)

运行结果 #

你会得到这样的输出：

sentences                                 truncated_sentence
0  lack of association between the promoter polymorphism of the mtnr1a gene and adolescent idiopathic scoliosis  promoter polymorphism of the mtnr1a gene and adolescent idiopathic
1                              this is a test sentence without your target word                                               None
2                          mtnr1a sits right at the start of this sentence                          mtnr1a sits right at the start of this
3                          here's a sentence where mtnr1a is near the very end                          where mtnr1a is near the very end

额外说明 #

• 如果根词在句子中可能出现多次，word_list.index()只会返回第一个出现的位置；若要处理所有出现的情况，可以改成遍历enumerate(word_list)找到所有索引，再分别截断拼接。
• 你可以调整before_words和after_words参数，自由控制截断时保留根词前后的单词数量。

内容的提问来源于stack exchange，提问作者jurek