如何对Pandas DataFrame除首列外的所有列应用applymap？

问题背景 #

现有如下结构的Pandas DataFrame df：

0       1   2   3   4   5
0   first   M   A   F   I   L
1   second  M   A   F   I   L
2   third   M   S   F   I   I
3   fourth  M   S   F   I   L
4   fifth   M   L   F   F   I

需求：将除第一列外的所有列的每个元素转换为对应的ASCII整数（如"M"转为77，"A"转为65等）。

当前实现方式：

new_df = df.loc[:, 1:].applymap(ord)
new_df.insert(0, 0, df[0])

询问：是否存在更优的实现方式？比如无需创建新DataFrame，直接原地对指定列子集应用applymap的方法？

优化实现方案 #

当然可以直接原地修改，不需要创建新的DataFrame。你可以直接定位到需要修改的列（除第一列外的所有列），然后用applymap(ord)直接赋值回去，代码如下：

df.loc[:, 1:] = df.loc[:, 1:].applymap(ord)

这样就直接在原DataFrame上完成了转换，不需要额外创建新对象再合并，代码更简洁高效，同时避免了内存中生成额外的DataFrame副本。

如果你的列是按列名而非位置索引的，也可以用列名列表指定目标列，比如假设第一列名为'name'，其他列是['col1', 'col2', 'col3', 'col4']，可以写成：

df[['col1', 'col2', 'col3', 'col4']] = df[['col1', 'col2', 'col3', 'col4']].applymap(ord)

补充说明 #

• 原地修改的好处是节省内存，尤其是当DataFrame数据量较大时，避免了复制整个数据集的开销。
• 如果需要保留原始DataFrame，可以先创建副本再修改，比如df_copy = df.copy()，再对df_copy执行上述操作。

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