如何将Python DataFrame硬技能列转为列表格式并优化代码？

一、修改现有函数，直接返回列表 #

你之前手动拼接列表格式字符串容易踩坑（比如引号转义、逗号遗漏），不如直接在函数里收集匹配的技能为列表，返回实际的列表对象：

首先定义函数：

def get_hard_skills(skill_str, hard_skills_ref):
    # 拆分逗号分隔的字符串，同时去除每个技能前后的空格
    raw_skills = [s.strip() for s in skill_str.split(',')]
    # 筛选出属于硬技能参考列表的项
    matched_hard_skills = [skill for skill in raw_skills if skill in hard_skills_ref]
    return matched_hard_skills

然后应用到DataFrame：

# 假设你的硬技能参考列表是这个
hard_skills_ref = ["Python Programming", "Machine Learning", "SQL", "Data Visualization"]

# 生成新列
df['hard skills'] = df['skills'].apply(get_hard_skills, hard_skills_ref=hard_skills_ref)

这样生成的hard skills列就是Python列表类型，后续处理更方便。如果确实需要字符串形式的列表（比如"['Python Programming', 'Machine Learning']"），只需在函数返回时用str(matched_hard_skills)即可。

二、更高效的向量化处理（适合大数据量） #

如果你的DataFrame行数很多，apply循环效率较低，可以用向量化操作结合集合优化查找速度：

# 先把硬技能列表转成集合，提升查找效率（集合查找是O(1)，列表是O(n)）
hard_skills_set = set(hard_skills_ref)

# 拆分skills列为列表并清洗空格
df['skills_list'] = df['skills'].str.split(',').apply(lambda x: [s.strip() for s in x])

# 筛选匹配的硬技能，生成新列
df['hard skills'] = df['skills_list'].apply(lambda x: [skill for skill in x if skill in hard_skills_set])

如果不介意技能顺序被打乱，还可以用集合交集进一步简化：

df['hard skills'] = df['skills_list'].apply(lambda x: list(set(x) & hard_skills_set))

为什么手动拼接字符串容易失败？ #

手动拼列表格式字符串需要处理很多细节：比如每个技能要加单引号、技能之间的逗号、首尾的方括号，一旦有技能本身包含特殊字符（比如单引号）就会出错。直接返回列表对象既可靠又方便后续操作。

内容的提问来源于stack exchange，提问作者Lauren