如何实现pandas DataFrame元组列的向量化快速拆分切片？

你之前的写法报错是因为df['A'][:, 0]是MultiIndex的索引语法，无法用来提取列内每个元组的对应位置元素。以下是几种性能远高于apply的实现方式：

方法1：直接转换为DataFrame赋值（最通用，推荐） #

直接将元组列转为列表后构造DataFrame，一次性拆分多列，性能最优：

df[['A1', 'A2']] = pd.DataFrame(df['A'].tolist(), index=df.index)

如果元组长度不定，也可以通过这种方式自动生成对应数量的列，只需要修改列名列表即可。

方法2：使用str访问器提取（写法最简洁） #

pandas的str访问器支持对任意可迭代元素做位置索引，无需额外转换：

df['A1'] = df['A'].str[0]
df['A2'] = df['A'].str[1]

该写法代码量最少，性能比apply高1~2个数量级，适合中小规模数据集。

方法3：基于numpy数组索引（适合超大规模数据集） #

如果数据量极大，用numpy做底层转换速度更快：

# 将元组列转为二维numpy数组
tuple_arr = np.array(df['A'].to_list())
# 按列提取赋值
df['A1'] = tuple_arr[:, 0]
df['A2'] = tuple_arr[:, 1]

性能参考 #

百万行规模的数据集下，以上三种方案的执行时间均在秒级以内，远快于逐行apply的数分钟耗时。

内容的提问来源于stack exchange，提问作者Jost A.