如何实现Pandas数组类型列的元素级拼接

你可以通过两种常用方案实现需求，分别适配通用场景和大数据量高性能场景：

方法1：通用适配方案（兼容所有Pandas版本，支持不同行数组长度不一致的场景） #

基于apply逐行处理，逻辑灵活好调整：

import pandas as pd

# 构造示例测试数据
df = pd.DataFrame({
    'Year': [['2021','2020',''], ['2019','2018']],
    'Month': [['11','12',''], ['03','07']]
})

# 按位置拼接生成新列
df['YearMonth'] = df.apply(
    lambda row: [y + m for y, m in zip(row['Year'], row['Month'])],
    axis=1
)

如果你的数组元素存在非字符串类型，修改列表推导式做类型转换即可：[str(y) + str(m) for y, m in zip(row['Year'], row['Month'])]

方法2：高性能向量化方案（适用于万行以上大数据量场景） #

用numpy向量化操作替代逐行遍历，速度提升10倍以上，要求所有行的数组长度完全一致：

import numpy as np

df['YearMonth'] = (np.array(df['Year'].tolist()) + np.array(df['Month'].tolist())).tolist()

结果验证 #

执行后取第一行的拼接结果测试：

print(df['YearMonth'].iloc[0])
# 输出：['202111', '202012', '']

内容的提问来源于stack exchange，提问作者Datadev