Pandas如何不逐行遍历删除字符串列中的重复拼接子串

你遇到的字符串规律统一：所有待处理值都是目标结果完整重复2次拼接得到，直接使用Pandas内置向量化字符串接口即可完成处理，全程无需逐行for循环，处理性能远高于逐行遍历。

核心实现 #

假设待处理列名为ticker，所属DataFrame为df，处理代码仅需1行：

df['clean_ticker'] = df['ticker'].str[:df['ticker'].str.len()//2]

实现逻辑 #

1. 调用df['ticker'].str.len()向量化计算每行字符串的总长度：由于字符串是目标结果重复2次拼接而成，总长度必然为偶数，整除2即可得到每行目标结果的对应长度
2. 调用Pandas字符串切片语法str[:n]，按每行计算得到的半长截取前半段内容，直接输出目标结果

效果验证 #

所有测试场景均能得到预期输出：

• 原值XOMXOM：总长度6，半长3，输出XOM
• 原值ZMZM：总长度4，半长2，输出ZM
• 原值AAPLAAPL：总长度8，半长4，输出AAPL
• 长测试值ABCDEFGHIJABCDEFGHIJ：总长度20，半长10，输出ABCDEFGHIJ

异常值兼容（可选） #

如果数据源可能存在不符合「双次重复」规律的脏数据，可以增加校验逻辑，对不满足规则的值标记为空值，避免错误截取：

import pandas as pd
s = df['ticker']
half_len = s.str.len() // 2
# 校验前半段与后半段是否完全一致
valid_flag = s.str[:half_len] == s.str[half_len:]
df['clean_ticker'] = s.str[:half_len].where(valid_flag, pd.NA)

内容的提问来源于stack exchange，提问作者wildcat89