理解pandas中结合lambda使用assign方法做列字符串拼接的非预期表现

测试环境与初始数据 #

• 运行环境：Python 3.8.5、pandas 1.2.1
• 初始DataFrame创建代码：

df = pd.DataFrame({'x' : [1,2], 'y' : [3,4]})

错误实现的实际执行流程 #

目标实现代码：

df.assign(c = lambda d: str(d['x']) + str(d['y']))

代码运行结果和预期存在偏差，核心原因是对pandas对象的操作逻辑理解偏差，实际执行流程如下：

1. assign方法传入lambda表达式的参数d为当前操作的完整DataFrame实例，代码中d['x']、d['y']均为完整的列对象（pandas Series类型），并非逐行索引得到的单元格值。
2. Python内置str()方法的作用是将传入的对象整体转换为可打印的字符串描述。将该方法直接作用在Series对象上时，并不会遍历序列内的元素逐个做字符串转换，而是输出该Series对象的完整文本信息，例如对x列执行str(d['x'])，会得到内容为"0 1\n1 2\nName: x, dtype: int64"的普通Python字符串，而非列内元素组成的字符串序列。
3. 上述两个Series对象的文本描述字符串做加法拼接后，得到一个普通标量字符串。assign方法识别到该返回值为标量类型时，会自动将该值广播填充到新列c的所有行，最终c列每一行的内容都是这个拼接生成的、描述两列属性的长字符串，而非逐行计算的单元格拼接结果。

偏差核心本质 #

预期实现逻辑为逐行读取x、y列的单元格值，逐个转为字符串后拼接，让新列每一行对应独立的计算结果；但实际代码的执行逻辑是将两个完整列对象整体转为描述文本，拼接成单个固定标量值后广播填充整列，最终结果自然和预期的['13', '24']不一致。

正确实现参考 #

• 逐元素类型转换后拼接：

df.assign(c = lambda d: d['x'].astype(str) + d['y'].astype(str))

• 逐元素映射转字符串后拼接：

df.assign(c = lambda d: d['x'].map(str) + d['y'].map(str))

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