如何将DataFrame的两列数值合并为元组列？

嘿，这个需求其实挺常见的，我给你分享几个简单易行的方法，直接就能用～

首先假设我们有这样一个示例DataFrame：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

方法1：用zip函数（最推荐，效率最高） #

这是我平时用得最多的方法，因为它是向量化操作，比逐行循环快很多，代码也极简：

df['tuple_col'] = list(zip(df['A'], df['B']))

原理是zip会把两列的对应元素一一配对，再转成列表赋值给新列就行。

方法2：用apply配合lambda函数 #

如果你需要更灵活的自定义逻辑（比如对值做处理后再打包），可以用apply：

df['tuple_col'] = df.apply(lambda row: (row['A'], row['B']), axis=1)

这里axis=1表示按行处理，lambda函数把每行的A、B值打包成元组。不过要注意，当数据量很大时，apply的效率不如zip哦。

方法3：用agg聚合函数 #

如果要处理多列（比如3列及以上），用agg会更简洁：

df['tuple_col'] = df[['A', 'B']].agg(tuple, axis=1)

直接指定聚合函数为tuple，按行把选中的列值打包成元组。

处理后的结果 #

执行任意一种方法后，你的DataFrame会变成这样：

A  B tuple_col
0  1  4    (1, 4)
1  2  5    (2, 5)
2  3  6    (3, 6)

小提醒：如果你的列里有缺失值（NaN），打包后的元组会保留NaN，比如某行A是NaN，那元组就是(NaN, 5)，这是正常的行为哦～

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