如何通过向量化方式为DataFrame创建基于其他列的拼接新列？

一、通用思路：向量化操作的核心逻辑 #

咱们在Pandas里创建基于其他列的新列时，一定要优先用向量化方法，而不是逐行迭代。原因很简单：向量化操作是在Pandas底层用优化过的C代码执行的，比Python层面的循环快太多了，数据量越大，差距越明显。

常见的向量化实现思路有这些：

• 直接对列进行原生运算：比如算术运算、字符串拼接这类简单操作，直接对Series（列）做操作就行
• 用向量化条件函数：比如np.where()处理多分支逻辑，pd.cut()做分箱操作，都是批量处理，不用逐行判断
• 复杂场景下可以用pd.Series.transform()或者pd.DataFrame.apply()（不过apply尽量少用，只有当原生方法搞不定的时候再考虑）

二、具体场景：拼接STREET和NR列生成ADDRESS #

你提到的逐行循环方法虽然能实现需求，但效率真的不高——iterrows()会把每一行转成Series，遍历起来非常慢。这里给你几个高效的向量化实现方案：

方案1：直接用字符串加法拼接

这是最直观的方式，注意要把数值类型的NR列转成字符串，不然会报错：

df['ADDRESS'] = df['STREET'] + ' ' + df['NR'].astype(str)

方案2：用str.cat()方法更灵活

Pandas的字符串方法str.cat()专门用来拼接字符串列，还能方便处理缺失值：

# 基础拼接
df['ADDRESS'] = df['STREET'].str.cat(df['NR'].astype(str), sep=' ')

# 如果有缺失值，可以指定替换值
df['ADDRESS'] = df['STREET'].str.cat(df['NR'].astype(str), sep=' ', na_rep='Unknown')

方案3：用apply（仅作参考，优先用前两种）

如果是更复杂的拼接逻辑，偶尔可以用apply，但它的效率不如原生向量化方法：

df['ADDRESS'] = df.apply(lambda row: f"{row['STREET']} {row['NR']}", axis=1)

效率对比 #

举个例子，当你的DataFrame有10万行时，向量化操作的速度大概是iterrows()循环的50-100倍，数据量越大，这个差距会越夸张，所以平时写代码一定要尽量避开逐行迭代~

内容的提问来源于stack exchange，提问作者Thijmen