本文介绍一种高效、可扩展的方法：识别 dataframe 中字符串列以问号、句号或感叹号结尾的行，为其生成不带末尾标点的新副本，并合并至原数据中，实现精准可控的行复制。
本文介绍一种高效、可扩展的方法：识别 dataframe 中字符串列以问号、句号或感叹号结尾的行，为其生成不带末尾标点的新副本，并合并至原数据中，实现精准可控的行复制。
在实际数据清洗与增强任务中，常需根据文本特征动态扩展样本——例如，将带标点的用户输入（如 "Help!"）与其无标点变体（"Help"）同时保留，以提升模型对文本格式变化的鲁棒性。Pandas 提供了简洁而强大的字符串和布尔索引能力，可轻松完成此类操作。
核心思路分为三步：
- 筛选目标行：使用 .str.endswith() 检测 msg 列是否以 ?、. 或 ! 结尾；
- 构造新行：对筛选出的子集，用切片 .str[:-1] 移除末字符（即标点），其余列保持不变；
- 合并结果：通过 pd.concat() 将原始 DataFrame 与处理后的副本纵向拼接。
以下是完整可运行示例：
import pandas as pd
# 构造原始数据
df = pd.DataFrame({
'msg': ["hi!", "hello", "What?", "Okay.", "test"],
'label': [0, 1, 2, 3, 4]
})
# 步骤1：筛选以 ?, ., ! 结尾的行（注意：endswith 接受元组）
mask = df['msg'].str.endswith(('.', '?', '!'))
punc_rows = df[mask].copy() # 显式 copy 避免 SettingWithCopyWarning
# 步骤2：移除末尾标点（安全处理：仅当长度 ≥ 1 时切片）
punc_rows['msg'] = punc_rows['msg'].str.rstrip('?.!') # 更健壮：用 rstrip 替代切片，防止单字符误删
# 步骤3：合并原始数据与增强数据
result = pd.concat([df, punc_rows], ignore_index=True)
print(result)输出：
msg label 0 hi! 0 1 hello 1 2 What? 2 3 Okay. 3 4 test 4 5 hi 0 6 What 2 7 Okay 3
✅ 关键注意事项：
- .str.endswith(('?', '.', '!')) 必须传入元组（非字符串或列表），否则会报错或逻辑异常；
- 使用 .str.rstrip('?.!') 比 .str[:-1] 更鲁棒：它仅移除右侧连续出现的指定标点（如 "No!!!" → "No"），且避免空字符串索引错误；
- 建议显式调用 .copy() 再修改，防止链式赋值警告（SettingWithCopyWarning）；
- pd.concat(..., ignore_index=True) 可重置索引，避免重复索引影响后续操作。
该方法灵活可扩展：只需修改 endswith 的元组内容（如加入 ',' 或 ';'），即可适配不同业务场景。对于大规模数据，其向量化操作也具备良好性能表现。
