如何将DataFrame中各列表类型元素替换为对应列表的第二个元素

针对全为列表元素的DataFrame，无显式Python层循环的高性能实现方式如下，核心借助numpy向量化操作，所有运算在C层完成，性能远高于逐元素apply写法：

import pandas as pd
import numpy as np

# 构造测试数据
df = pd.DataFrame({'a':[[1,7],[0,5]],'b':[[3,1],[4,0]],'c':[[1,4],[2,0]]})

# 提取每个列表第二个元素（索引为1）
result = pd.DataFrame(
    np.array(df.to_numpy().tolist())[:, :, 1],
    columns=df.columns
)

实现逻辑说明 #

• 首先通过df.to_numpy().tolist()将原DataFrame转换为二维嵌套列表，结构为[行][列] = 原单元格列表
• 嵌套列表传入np.array()后会生成形状为(行数, 列数, 单列表长度)的三维numpy数组
• 索引[:, :, 1]表示选取所有行、所有列下，每个列表索引为1的元素（Python索引从0开始，对应第二个元素）
• 最后将提取到的二维数组重新封装为DataFrame，保留原列名即可

结果验证 #

运行代码后输出的result完全符合预期：

a  b  c
0  7  1  4
1  5  0  0

常见误区说明 #

• replace方法仅支持值匹配替换，无法直接提取列表内部元素，不适用该场景
• 基于apply/applymap + lambda的写法本质是Python层逐元素循环，数据量较大时运行耗时高，不符合性能要求
• 该方法要求所有单元格内的列表长度至少为2，否则会触发索引越界错误，使用前建议先做数据合法性校验

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