Pandas DataFrame中用双层for循环列表推导式创建新列报错解决

错误原因 #

你写的列表推导式用了两层嵌套循环，会遍历col1的每个元素和col2的每个元素的所有组合（4×4=16个结果），但DataFrame只有4行，因此出现长度不匹配的错误。

解决方案 #

方法1：使用zip同步遍历对应行元素 #

修改列表推导式，用zip同时取col1和col2的对应行元素，生成的结果长度会和DataFrame行数一致：

import pandas as pd

df = pd.DataFrame({'col1': ['aaaa', 'aabb', 'bbcc', 'ccdd'], 
                   'col2': ['ab12', 'cd15', 'kf25', 'zx78']})

df['col3'] = [x[:2] + '-' + y[2:] for x, y in zip(df['col1'], df['col2'])]
print(df)

方法2：Pandas矢量化字符串操作（推荐） #

用Pandas的str方法直接对整列进行切片拼接，效率更高，适合处理大数据量：

import pandas as pd

df = pd.DataFrame({'col1': ['aaaa', 'aabb', 'bbcc', 'ccdd'], 
                   'col2': ['ab12', 'cd15', 'kf25', 'zx78']})

df['col3'] = df['col1'].str[:2] + '-' + df['col2'].str[2:]
print(df)

运行结果 #

两种方法都会得到预期输出：

col1  col2   col3
0  aaaa  ab12  aa-12
1  aabb  cd15  aa-15
2  bbcc  kf25  bb-25
3  ccdd  zx78  cc-78

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