Pandas高效合并多列表列生成新列（规避循环与逐列索引）

如果你需要合并DataFrame每行中所有列的列表，生成新列C，且不想手动逐列拼接或写循环，这里有两个高效方案：

方案1：使用apply结合sum（简洁直观） #

直接按行处理，利用列表的sum操作实现拼接：

import pandas as pd

# 原始数据
df = pd.DataFrame({'A' : [['a', 'b', 'c'], ['e', 'f', 'g','g']], 'B' : [['1', '4', 'a'], ['5', 'a']]})

# 生成新列C
df['C'] = df.apply(lambda row: sum(row, []), axis=1)

这里sum(row, [])的作用是将该行所有列的列表依次拼接到空列表中，等价于手动执行row['A'] + row['B'] + ...，但无需指定列名，自动适配所有列。

方案2：使用stack+groupby（更适合大数据量） #

如果数据量极大，apply的逐行操作可能不够快，可以试试Pandas的向量化操作组合：

df['C'] = df.stack().groupby(level=0).agg(list)

• stack()会将所有列的列表元素展开，生成一个以原行索引和列名为多层索引的Series；
• groupby(level=0)按原行索引分组；
• agg(list)将每个分组的元素重新聚合为列表，正好对应每行合并后的结果。

验证结果 #

执行任意一种方案后，df的结果都会符合预期：

print(df)
# 输出：
#                  A          B                              C
# 0     [a, b, c]  [1, 4, a]        [a, b, c, 1, 4, a]
# 1  [e, f, g, g]     [5, a]  [e, f, g, g, 5, a]

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