如何在Pandas中为DataFrame列内列表的每个元素追加对应列字符串？

嘿，我懂你想避开低效的循环，用更优雅的向量化方式搞定这个需求——把df['a']里的字符串追加到df['c']每个列表元素的末尾对吧？你之前试的cat方法路子不对，因为cat是用来处理字符串Series拼接的，没法直接操作列表里的元素。给你两个靠谱的解决方案：

首先先还原你的示例DataFrame，方便演示：

import pandas as pd

df = pd.DataFrame({
    'a': ['d', 'f', 'g'],
    'b': [1, 2, 3],
    'c': [['f', 'h'], ['u', 'v'], ['i', 'o']]
})

方案1：简洁高效的apply写法 #

这个写法比手动写for循环优雅得多，而且pandas的apply内部做了优化，效率不错：

df['d'] = df.apply(lambda row: [s + row['a'] for s in row['c']], axis=1)

它的逻辑很直接：按行遍历DataFrame，每一行里把c列的每个字符串和a列的字符串拼接，生成新列表后赋值给d列。

方案2：纯向量化的explode+groupby方案 #

如果你的数据量很大，这个纯向量化的方法效率会更高，完全避开行级操作：

# 第一步：把c列的列表展开成单行对应一个元素
exploded_df = df.explode('c')
# 第二步：给每个展开后的字符串拼接a列的对应值
exploded_df['d'] = exploded_df['c'] + exploded_df['a']
# 第三步：按原索引分组，把拼接后的字符串重新聚合成列表
df['d'] = exploded_df.groupby(exploded_df.index)['d'].agg(list)

两种方案运行后都能得到你想要的结果：

a  b          c          d
0  d  1  ['f', 'h']  ['fd', 'hd']
1  f  2  ['u', 'v']  ['uf', 'vf']
2  g  3  ['i', 'o']  ['ig', 'og']

补充一句：你之前用的df['c'].cat(df['a'],axis=0)之所以不行，是因为df['c']是存储列表的Series，cat方法只能处理字符串类型的Series拼接，没法识别列表里的元素，所以才会失败~

内容的提问来源于stack exchange，提问作者anjali