基于列值对Pandas DataFrame的Description列动态截取子串

问题背景 #

给定如下Pandas DataFrame：

import pandas as pd
data = {'Description':  ['with lemon', 'lemon', 'and orange', 'orange'],
        'Start': ['6', '1', '5', '1'],
       'Length': ['5', '5', '6', '6']}
df = pd.DataFrame(data)
print(df)

需要根据Start和Length列的数值，对Description列做动态子串截取，最终得到包含Res结果列的DataFrame：

data = {'Description':  ['with lemon', 'lemon', 'and orange', 'orange'],
        'Start': ['6', '1', '5', '1'],
       'Length': ['5', '5', '6', '6'],
       'Res':  ['lemon', 'lemon', 'orange', 'orange']}
df = pd.DataFrame(data)
print(df)

目前仅能实现固定位置的字符串截取（如df['Res'] = df['Description'].str[1:2]），需要更简洁的动态实现方式。

可行方案 #

方案一：使用apply逐行处理 #

先将Start和Length列转换为整数类型（原始数据为字符串格式），再通过apply遍历每一行，根据对应位置截取子串：

# 转换列类型为整数
df['Start'] = df['Start'].astype(int)
df['Length'] = df['Length'].astype(int)

# 生成结果列
df['Res'] = df.apply(lambda row: row['Description'][row['Start']-1 : row['Start']-1 + row['Length']], axis=1)

注意：Python字符串索引从0开始，示例中的Start是1-based计数，因此需要减1转换为0-based索引

方案二：使用str.slice批量处理 #

Pandas的str.slice方法支持直接传入列作为参数，实现高效的批量动态截取，代码更简洁且性能更优：

# 转换列类型为整数
df['Start'] = df['Start'].astype(int)
df['Length'] = df['Length'].astype(int)

# 动态截取子串
df['Res'] = df['Description'].str.slice(start=df['Start']-1, stop=df['Start']-1 + df['Length'])

该方法避免了逐行遍历，适合处理大规模数据集。

内容的提问来源于stack exchange，提问作者highbury