如何优雅地将Pandas DataFrame指定列转为嵌套浮点数组？

现有如下示例DataFrame：

col1  col2  col3 
1     1     2     3    
2     4     5     6  
3     7     8     9    
4     10    11    12     

需要新增一列new，该列元素为嵌套数组格式[[值1,值2]]，其中值来自指定列（如col2、col3）的浮点型数值，最终输出如下：

col1  col2  col3        new
1     1     2     3    [[2,3]]
2     4     5     6    [[5,6]]
3     7     8     9    [[8,9]]
4     10    11    12   [[11,12]]

当前已有可行但繁琐的实现代码：

selected_columns = ["col2", "col3"]
df[selected_columns] = df[selected_columns].astype(float)
df['new'] = df.apply(lambda r: tuple(r[selected_columns]), axis=1) 
              .apply(np.array) 
              .apply(lambda r: tuple(r[["new"]]), axis=1) 
              .apply(np.array)

作为Pandas和NumPy新手，希望找到更简洁高效的实现方法。

方法一：利用NumPy向量化操作构造嵌套数组 #

这种方法避免多次调用apply，效率最高，适合大数据集：

import numpy as np
import pandas as pd

selected_columns = ["col2", "col3"]
# 转换指定列为浮点型
df[selected_columns] = df[selected_columns].astype(float)
# 提取数值并reshape成嵌套结构，转成列表赋值
df['new'] = list(np.array(df[selected_columns]).reshape(-1, 1, 2))

解释：np.array(df[selected_columns])生成形状为(4,2)的数组，reshape(-1,1,2)将其转换为(4,1,2)的三维数组，转成列表后正好匹配[[值1,值2]]的格式。

方法二：单次apply直接构造嵌套列表 #

如果习惯用apply，可以简化为一次调用：

selected_columns = ["col2", "col3"]
df[selected_columns] = df[selected_columns].astype(float)
df['new'] = df[selected_columns].apply(lambda x: [[x.col2, x.col3]], axis=1)

解释：直接在apply逻辑里构造嵌套列表，一步完成转换，比多次链式调用简洁很多。

方法三：Python列表推导式 #

用纯列表推导实现，可读性强：

selected_columns = ["col2", "col3"]
df[selected_columns] = df[selected_columns].astype(float)
df['new'] = [[[row.col2, row.col3]] for _, row in df.iterrows()]

内容的提问来源于stack exchange，提问作者user16107137