这个问题已经得到解答，但我相信最好将一些以前没有讨论过的有用方法混在一起，并在性能方面比较迄今为止提出的所有方法。
这里有一些有用的解决方案，按性能升序排列。
这是一个简单的基于str.format 的方法。
df['baz'] = df.agg('{0[bar]} is {0[foo]}'.format, axis=1)
df
foo bar baz
0 a 1 1 is a
1 b 2 2 is b
2 c 3 3 is c
你也可以在这里使用 f-string 格式：
df['baz'] = df.agg(lambda x: f"{x['bar']} is {x['foo']}", axis=1)
df
foo bar baz
0 a 1 1 is a
1 b 2 2 is b
2 c 3 3 is c
将列转换为chararrays，然后将它们相加。
a = np.char.array(df['bar'].values)
b = np.char.array(df['foo'].values)
df['baz'] = (a + b' is ' + b).astype(str)
df
foo bar baz
0 a 1 1 is a
1 b 2 2 is b
2 c 3 3 is c
我不能夸大熊猫中的列表理解被低估的程度。
df['baz'] = [str(x) + ' is ' + y for x, y in zip(df['bar'], df['foo'])]
或者，使用str.join 进行连接（也可以更好地扩展）：
df['baz'] = [
' '.join([str(x), 'is', y]) for x, y in zip(df['bar'], df['foo'])]
df
foo bar baz
0 a 1 1 is a
1 b 2 2 is b
2 c 3 3 is c
列表推导在字符串操作方面表现出色，因为字符串操作本质上很难矢量化，而且大多数 pandas “矢量化”函数基本上都是循环的包装器。我在For loops with pandas - When should I care? 中写了很多关于这个主题的文章。一般来说，如果您不必担心索引对齐，则在处理字符串和正则表达式操作时使用列表推导。
默认情况下，上面的列表组合不处理 NaN。但是，如果您需要处理它，您总是可以编写一个包装 try-except 的函数。
def try_concat(x, y):
try:
return str(x) + ' is ' + y
except (ValueError, TypeError):
return np.nan
df['baz'] = [try_concat(x, y) for x, y in zip(df['bar'], df['foo'])]
perfplot 性能测量
使用perfplot 生成的图表。这是complete code listing。
函数
def brenbarn(df):
return df.assign(baz=df.bar.map(str) + " is " + df.foo)
def danielvelkov(df):
return df.assign(baz=df.apply(
lambda x:'%s is %s' % (x['bar'],x['foo']),axis=1))
def chrimuelle(df):
return df.assign(
baz=df['bar'].astype(str).str.cat(df['foo'].values, sep=' is '))
def vladimiryashin(df):
return df.assign(baz=df.astype(str).apply(lambda x: ' is '.join(x), axis=1))
def erickfis(df):
return df.assign(
baz=df.apply(lambda x: f"{x['bar']} is {x['foo']}", axis=1))
def cs1_format(df):
return df.assign(baz=df.agg('{0[bar]} is {0[foo]}'.format, axis=1))
def cs1_fstrings(df):
return df.assign(baz=df.agg(lambda x: f"{x['bar']} is {x['foo']}", axis=1))
def cs2(df):
a = np.char.array(df['bar'].values)
b = np.char.array(df['foo'].values)
return df.assign(baz=(a + b' is ' + b).astype(str))
def cs3(df):
return df.assign(
baz=[str(x) + ' is ' + y for x, y in zip(df['bar'], df['foo'])])