Pandas如何新增列并将两列值转为列表，输出records格式字典数组？

问题场景 #

现有如下Pandas DataFrame：

import pandas as pd

d = {'a_lower': [1, 2], 'a_upper': [3, 4]}
df = pd.DataFrame(data=d)

输出结果：

a_lower  a_upper
0        1        3
1        2        4

需求是新增一列a，每行的值为对应行a_lower和a_upper组成的列表，期望结果：

a_lower  a_upper            a
0        1        3        [1, 3]
1        2        4        [2, 4]

尝试执行df['a'] = [df['a_lower'], df['a_upper']]后得到错误结果：

a_lower  a_upper                                                  a
0        1        3  0    1\n1    2\nName: a_lower, dtype: int64
1        2        4  0    3\n1    4\nName: a_upper, dtype: int64

错误原因 #

直接将两个Series组成的列表赋值给新列，会把整个Series对象作为每行的值，而非提取每行对应的两个元素组成列表，导致结果不符合预期。

正确实现方法 #

以下三种方法均可实现需求：

方法1：使用apply逐行处理 #

通过apply遍历每一行，将指定列的值组成列表：

df['a'] = df.apply(lambda row: [row['a_lower'], row['a_upper']], axis=1)

方法2：使用zip打包列元素 #

利用zip将两列的对应元素配对，再转换为列表：

# 生成元组列表，若需要列表类型则额外转换
df['a'] = [list(pair) for pair in zip(df['a_lower'], df['a_upper'])]

方法3：使用agg聚合行元素 #

通过agg方法对指定列按行聚合为列表：

df['a'] = df[['a_lower', 'a_upper']].agg(list, axis=1)

转换为records格式字典数组 #

完成列添加后，使用to_dict('records')方法将DataFrame转换为目标格式的字典数组：

result = df.to_dict('records')
print(result)

输出结果：

[{'a_lower': 1, 'a_upper': 3, 'a': [1, 3]}, {'a_lower': 2, 'a_upper': 4, 'a': [2, 4]}]

内容的提问来源于stack exchange，提问作者Nikko