如何用Pandas批量截断指定字符串列的过长内容？

针对你的需求，这里提供两种简洁高效的实现方式，均基于Pandas矢量化操作，比逐行apply的处理效率高得多：

方式一：直接遍历指定列处理（推荐） #

这种方式直观易懂，直接针对字典内的列逐一处理，效率最优：

columns_dict = {'col1':100, 'col2':500, 'col3':500}

# 遍历每个需要截断的列和对应的长度
for col_name, max_length in columns_dict.items():
    # 填充空值并转为字符串类型，避免非字符串列或空值报错
    df[col_name] = df[col_name].fillna('').astype(str)
    # 截断字符串至指定长度
    df[col_name] = df[col_name].str.slice(start=0, stop=max_length)

方式二：用apply按列批量处理 #

如果希望自动适配所有列（仅处理字典中存在的列，其余列保持原样），可以用按列apply实现：

columns_dict = {'col1':100, 'col2':500, 'col3':500}

def slice_column(col):
    # 获取当前列对应的截断长度，不在字典中则返回原列
    max_len = columns_dict.get(col.name)
    if max_len:
        return col.fillna('').astype(str).str.slice(0, max_len)
    return col

# 对整个DataFrame按列应用处理逻辑
df = df.apply(slice_column)

关键注意点 #

• 用fillna('')填充空值，避免把NaN转为字符串'NaN'后被截断；
• 用astype(str)确保列是字符串类型，防止非字符串列（比如数值列）调用str.slice时报错；
• 避免使用apply(axis=1)逐行处理，这种方式是逐行循环，对100多列的DataFrame效率极低，远不如矢量化操作。

内容的提问来源于stack exchange，提问作者Geosphere