如何将CSV的'text'列字符串分割为列表？解决Pandas报错

嘿，我来帮你搞定这个报错！先理清楚你遇到的问题：

你想把CSV里的text列转换成单词列表，但运行这段代码时触发了错误：

def html_words(): 
    legits_text = pd.read_csv('/Users/pmpilla/Documents/phishing/html_text.csv', delimiter=',') 
    list_text = legits_text["text"].split(" ") 

错误信息如下：

Traceback (most recent call last):
File "/Users/pmpilla/Documents/phishing/html_words/legit_path_words.py", line 70, in
html_words()
File "/Users/pmpilla/Documents/phishing/html_words/legit_path_words.py", line 30, in html_words
list_text = legits_text["text"].split(" ")
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/pandas/core/generic.py", line 3614, in getattr
return object.getattribute(self, name)
AttributeError: 'Series' object has no attribute 'split'

错误原因 #

legits_text["text"]返回的是pandas Series对象——它是一组字符串的集合，而非单个字符串。Python原生的split()是单个字符串的方法，不能直接作用于Series集合上，这就是报错的核心原因。

解决方案 #

你需要用pandas专门为字符串Series设计的str.split()方法，它会自动逐个处理Series里的每一个字符串：

1. 保留每行的单词列表（返回Series）

如果想让结果保留每行对应的单词列表，直接替换成str.split()即可：

def html_words(): 
    legits_text = pd.read_csv('/Users/pmpilla/Documents/phishing/html_text.csv', delimiter=',') 
    # 使用pandas的str.split()处理整个Series
    list_text = legits_text["text"].str.split(" ") 

此时list_text是一个Series，每个元素对应原CSV一行的单词列表。

2. 生成所有单词的扁平大列表

如果想把所有行的单词合并成一个无层级的大列表，可以用以下两种方式：

def html_words(): 
    legits_text = pd.read_csv('/Users/pmpilla/Documents/phishing/html_text.csv', delimiter=',') 
    # 方法1：用sum合并所有子列表
    all_words = legits_text["text"].str.split(" ").sum() 
    # 方法2：先展开成单个单词的Series，再转成列表
    all_words = legits_text["text"].str.split(" ").explode().tolist() 

额外优化：过滤空字符串

如果原文本存在连续空格，会生成空字符串元素，你可以用下面的代码过滤掉：

list_text = legits_text["text"].str.split(" ").apply(lambda x: [word for word in x if word])

内容的提问来源于stack exchange，提问作者Ani A.