如何高效拆分Pandas DataFrame中YYYYMM格式列为年月两列？

你当前用apply()逐行调用自定义函数的方式效率很低，尤其是数据量大的时候，下面是几种更优的向量化解法，速度能提升几个数量级：

方法1：纯数值运算（最快） #

如果你的YYYYMM列是整数类型，直接用整除和取余操作，完全不需要字符串转换：

df['Year'] = df['YYYYMM'] // 100
df['Month'] = df['YYYYMM'] % 100

方法2：字符串切片（简洁直观） #

如果列是整数或字符串类型，转成字符串后直接切片：

# 先转字符串，再切片提取年、月
date_str = df['YYYYMM'].astype(str)
df['Year'] = date_str.str[:4].astype(int)
df['Month'] = date_str.str[-2:].astype(int)

方法3：正确使用datetime方法 #

你之前尝试datetime处理未果，大概率是没指定format参数，明确格式后可以轻松提取年和月：

# 转换为datetime类型（指定格式避免自动推断出错）
df['date'] = pd.to_datetime(df['YYYYMM'], format='%Y%m')
# 提取年、月
df['Year'] = df['date'].dt.year
df['Month'] = df['date'].dt.month
# 不需要中间date列可以删除
df.drop('date', axis=1, inplace=True)

为什么你的原方法慢？ #

apply()是逐行遍历执行函数，属于循环操作，而pandas的向量化操作（比如上面的数值运算、字符串切片、datetime方法）是底层用C实现的批量处理，效率差距极大。另外你的自定义函数里还做了字符串转列表、join等冗余操作，进一步拖慢了速度。

内容的提问来源于stack exchange，提问作者ClovenOrb