为何Pandas中apply比矢量化更快？我的矢量化用法有误吗？

你的矢量化写法确实存在效率损耗问题——多次链式调用str访问器会产生大量中间Series，累积的函数调用和内存开销抵消了矢量化的优势。

原代码里，你先调用str.strip()生成新Series并赋值回原列，接着又两次调用str访问器（str[0].str.upper()和str[1:]）。每一次str操作都需要Pandas内部做类型检查、创建新的StringArray对象，这些额外开销叠加后，反而不如apply一次性处理每个元素高效。

把多个字符串操作合并为更少步骤，减少中间变量生成：

import pandas as pd
import time

# 生成数据
data = [' example text '] * 1000000
df = pd.DataFrame(data, columns=['tr_content'])

# 优化后的矢量化方法
start_time = time.time()
stripped = df['tr_content'].str.strip()
df['tr_content'] = stripped.str[0].str.upper() + stripped.str[1:]
print("优化后矢量化执行时间: ", time.time() - start_time)

# 重新生成数据
df = pd.DataFrame(data, columns=['tr_content'])

# apply方法
start_time = time.time()
capitalize_at_first = lambda x: (y := str(x).strip()) and y[0].upper() + y[1:]
df['tr_content'] = df['tr_content'].apply(capitalize_at_first)
print("apply执行时间: ", time.time() - start_time)

也可以用正则替换进一步合并步骤：

start_time = time.time()
df['tr_content'] = df['tr_content'].str.strip().str.replace(r'^.', lambda m: m.group().upper(), regex=True)
print("正则矢量化执行时间: ", time.time() - start_time)

• 减少str访问器调用次数：原代码调用3次str（strip、[0].upper、[1:]），优化后只调用2次，正则版本更是合并为2次链式调用。
• 避免重复strip操作：原代码第二次赋值时，df['tr_content'].str[1:]基于已strip的列，但提前将strip结果存为中间变量，就不用重复执行strip逻辑。

Pandas的str.capitalize()方法会将首字母大写、其余字母转为小写，不符合你保留原字符串后续字符的需求，所以不能直接用。如果场景允许后续字符转小写，str.strip().str.capitalize()会是更简洁高效的选择。

内容的提问来源于stack exchange，提问作者HERIUN