Pandas：按元素合并两个列表列的低耗时实现方法咨询

针对你给出的DataFrame结构，想要将"A"和"B"列按位置合并成新的元组列表，最快的实现方式是使用列表推导式——它在处理这类嵌套迭代场景时，比apply等方法的开销小得多，尤其在数据量较大时优势明显。

示例代码 #

首先先还原你的数据：

import pandas as pd

df = pd.DataFrame({
    'A': [[(1,2),(3,4)], [(5,6),(7,8)]],
    'B': [[15,35], [55,75]]
})

然后用列表推导式生成目标列"C"：

df['C'] = [
    [(*tuple_item, num) for tuple_item, num in zip(a_list, b_list)]
    for a_list, b_list in zip(df['A'], df['B'])
]

为什么这个方法高效？ #

• 列表推导式的原生优势：它是Python中迭代处理数据的最优方式之一，避免了apply方法每行调用函数的额外开销，运行速度远超apply。
• 元组直接拼接：用(*tuple_item, num)直接解构元组并追加数字，比先把元组转成列表再合并的操作更快（元组是不可变类型，解构拼接的底层操作更高效）。

验证结果 #

运行后df['C']的结果完全符合你的需求：

0    [(1, 2, 15), (3, 4, 35)]
1    [(5, 6, 55), (7, 8, 75)]
Name: C, dtype: object

如果你尝试用apply实现（如下），会发现它的运行效率明显低于列表推导式，尤其是当DataFrame行数较多时：

# 效率较低的apply实现，仅作对比
df['C'] = df.apply(lambda row: [(*t, n) for t, n in zip(row['A'], row['B'])], axis=1)

内容的提问来源于stack exchange，提问作者Jean-Eric