如何拆分字符串并为Pandas DataFrame分配唯一ID？附示例数据

针对你的需求，我分两种常见场景给出具体实现方案，你可以根据实际情况灵活选用：

场景1：将输入字符串拆分为DataFrame行并分配唯一ID #

如果你的输入是一段用特定分隔符（比如换行、逗号）分隔的长字符串，或是一组独立的字符串列表，我们可以先拆分内容，再生成带唯一标识的DataFrame。

示例代码： #

import pandas as pd
import uuid

# 示例输入字符串（用换行符分隔多条消息）
input_str = """@Zuora wants to help @Network4Good with Hurricane and hurriacane...
@ztrip please help spread the good word on hello and hello...
#ZSwaggers @Zendaya96 did this,you should too. You..."""

# 按换行符拆分字符串为单个消息的列表
message_list = input_str.split('\n')

# 生成唯一ID：两种可选方式
# 方式1：全局唯一的字符串ID（适合跨系统场景）
unique_ids = [str(uuid.uuid4()) for _ in message_list]
# 方式2：自增整数ID（适合仅需当前DataFrame内唯一的场景）
# unique_ids = list(range(1, len(message_list)+1))

# 创建最终DataFrame
df = pd.DataFrame({
    'DOCUMENT_ID': unique_ids,
    'MESSAGE': message_list
})

print(df.head())

关键说明： #

• 用split()方法根据实际分隔符拆分输入内容，比如逗号分隔就用split(', ')。
• 两种ID生成方式各有优势：uuid保证全局唯一，自增整数更简洁直观。

场景2：对现有DataFrame的MESSAGE列拆分并分配新唯一ID #

如果已经有类似你给出的示例DataFrame，需要把每条MESSAGE里的内容（比如按空格、@提及拆分）展开为单独行，同时为每个新行分配唯一ID，可以参考下面的实现：

示例代码： #

import pandas as pd
import uuid

# 模拟你提供的示例DataFrame
data = {
    'MESSAGE': [
        "@Zuora wants to help @Network4Good with Hurricane and hurriacane...",
        "@ztrip please help spread the good word on hello and hello...",
        "#ZSwaggers @Zendaya96 did this,you should too. You..."
    ],
    'DOCUMENT_ID': [263403828328665088, 264142543883739136, 265122997348753408]
}
df = pd.DataFrame(data)

# 拆分MESSAGE列（这里按空格拆分，可自定义分隔符）
# 拆分后展开为多行，保留原文档ID，同时生成新唯一ID
df_expanded = df.assign(MESSAGE=df['MESSAGE'].str.split()).explode('MESSAGE', ignore_index=True)
df_expanded['NEW_UNIQUE_ID'] = [str(uuid.uuid4()) for _ in range(len(df_expanded))]

print(df_expanded.head())

关键说明： #

• str.split()可传入自定义分隔符，比如按@拆分就用str.split('@')。
• explode()方法会把拆分后的列表展开为独立行，ignore_index=True用来重置行索引，避免索引混乱。
• 保留原DOCUMENT_ID列可以追踪每个拆分内容来自哪条原始消息。

内容的提问来源于stack exchange，提问作者lpt