Python Pandas按指定列的起止位置拆分字符串列的问题

嗨，这个问题我之前也碰到过！先给你解释下为什么直接用df1['strings'].str[df1['start']:df1['end']]会返回NaN——因为str[]切片语法只支持传入标量值，当你把整个start/end列（Series对象）传进去时，pandas没办法自动逐行匹配对应位置的参数，所以就返回了缺失值。

下面给你几个更优雅、高效的解决方案，比列表推导式更贴合pandas的使用习惯：

方案一：用apply逐行处理（简洁直观） #

这是最符合pandas风格的写法，直接按行遍历DataFrame，每一行用对应的start和end值切片字符串：

df1['sliced_strings'] = df1.apply(lambda row: row['strings'][row['start']:row['end']], axis=1)

执行后你的DataFrame会新增一列sliced_strings，结果就是你预期的['ckov', 'kexch']。

方案二：用numpy向量化函数（性能最优） #

如果你的数据集很大，apply的速度可能不够快，这时候可以用numpy.vectorize把普通切片函数转化为向量化操作，效率会提升很多：

import numpy as np

# 定义一个普通的切片函数
def slice_string(s, start, end):
    return s[start:end]

# 转化为向量化函数
vectorized_slice = np.vectorize(slice_string)

# 应用到DataFrame上
df1['sliced_strings'] = vectorized_slice(df1['strings'], df1['start'], df1['end'])

向量化操作是numpy的强项，处理几十万甚至上百万行数据时，速度会比apply快好几倍。

方案对比 #

• 你原来的列表推导式虽然能得到结果，但需要手动把结果转为Series再赋值给DataFrame，可读性和维护性不如上面两种方案；
• apply写法简洁，适合中小数据集；
• numpy向量化函数适合大数据集，性能优势明显。

内容的提问来源于stack exchange，提问作者haven