Python使用split()函数从DataFrame列提取值生成新列问题

结论 #

不需要使用apply函数即可实现该需求，推荐使用pandas内置的矢量化字符串操作，性能远优于apply逐行遍历方案。

实现代码 #

核心代码仅需一行：

# 按空格分割后取最后一个元素，生成COL-B列
df['COL-B'] = df['COL-A'].str.split().str[-1]

如果需要COL-B为数值类型，可以额外做类型转换：

df['COL-B'] = df['COL-A'].str.split().str[-1].astype(int)

方法说明 #

• df['COL-A'].str.split()：对COL-A列的所有字符串按空格进行批量分割，返回每个分割结果组成的列表型Series
• .str[-1]：批量取出每个列表的最后一个元素，得到目标值

为什么不推荐用apply？ #

apply实现的写法如下：

df['COL-B'] = df['COL-A'].apply(lambda x: x.split()[-1])

该写法本质是逐行调用Python自定义函数，当数据量超过1万行时，执行效率会比上述矢量化方案低几倍到几十倍，无特殊需求优先选择内置矢量化方法即可。

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