pandas中如何对含两个小数点的字符串列高效执行lambda函数

逐行判断需求的最高效实现 #

优先用pandas向量化字符串操作做筛选，不要用逐行遍历判断，性能差距可达数十倍：

• 首先用str.count('\.')统计目标列每个字符串的小数点数量，生成布尔掩码
• 用掩码筛选符合条件的行，再运行自定义lambda函数即可

示例代码：

import pandas as pd

# 假设目标列名为code
# 生成布尔掩码：匹配含2个小数点的元素
mask = df['code'].str.count(r'\.') == 2
# 对符合条件的行执行lambda，这里以拆分双小数点字符串为例
df.loc[mask, 'code'] = df.loc[mask, 'code'].apply(lambda x: f"{x.split('.')[0]}_{x.split('.')[1]}")

该写法为纯向量化筛选，仅对符合条件的元素执行lambda，适合不确定列格式的场景

整列格式统一场景的最优写法 #

根据你提到的「只要列存在1个双小数点元素，整列都是该格式」的规则，可以仅判断列的第一个非空元素，无需逐行扫描，性能开销最低：

# 取出目标列的非空序列
valid_series = df['code'].dropna()
# 仅做一次判断，符合条件就整列执行lambda
if not valid_series.empty and valid_series.iloc[0].count('.') == 2:
    df['code'] = df['code'].apply(lambda x: 你的自定义逻辑)

如果你的lambda逻辑可以替换为pandas原生向量化字符串操作，建议替换，性能还能再提升一个量级，比如拆分双小数点字符串可以直接用str.split实现，不需要用apply：

df[['part1', 'part2', 'part3']] = df['code'].str.split('.', expand=True)

内容的提问来源于stack exchange，提问作者JohnCena1997