如何快速从Pandas列的字典值提取生成新列？

针对你遇到的apply(lambda)速度慢的问题，推荐以下两种高效实现方式，均为Pandas内置的矢量化/批量处理操作，比Python层面的循环效率高得多：

方法一：使用str.get()（单字段提取最优解） #

这是Pandas专门为包含字典/对象的object类型Series设计的矢量化方法，底层经过优化，完全避免了Python循环：

calFilteredDf['startTime'] = calFilteredDf['start'].str.get('dateTime')

对于你的1697行数据集，该方法的执行速度会比apply(lambda)快数倍。

方法二：将字典列转为DataFrame（多字段提取更方便） #

如果后续需要提取字典中的多个字段（比如同时取date和dateTime），可以直接把整个字典列展开成结构化DataFrame，再按需提取：

import pandas as pd

# 将start列的所有字典展开为DataFrame
start_struct_df = pd.DataFrame(calFilteredDf['start'].tolist())
# 提取dateTime字段到原DataFrame
calFilteredDf['startTime'] = start_struct_df['dateTime']

这种方式利用了Pandas对列表转DataFrame的高效处理逻辑，同样比apply高效。

补充说明 #

你之前尝试的calFilteredDf['start']['dateTime']直接赋值无效，是因为calFilteredDf['start']是Series对象而非单个字典，无法直接通过键索引取值，必须用批量处理的方式操作每个元素。

另外，swifter在小数据集上变慢是正常现象——并行处理的初始化开销远超过实际计算耗时，小数据场景下内置矢量化方法是最优选择。

内容的提问来源于stack exchange，提问作者CofeeBean42