如何在Pandas DataFrame中合并不同类型列且无需逐行迭代？

当然有啦！Pandas的核心优势之一就是矢量化操作，完全不用手动写循环逐行处理，既简洁又高效。给你分享几种实用的方法：

方法1：完全矢量化字符串拼接（效率最高） #

这种方法直接利用Pandas的列级操作，全程没有逐行迭代，是处理这类场景的最优解：

import pandas as pd

df = pd.DataFrame({'col1':[0.2, 0.3, 0.5], 'col2':['a', 'b', 'c']})
# 把col1转为百分比字符串，再和col2拼接
df['col3'] = (df['col1'] * 100).astype(int).astype(str) + '% ' + df['col2']

执行后df['col3']就会得到你想要的['20% a', '30% b', '50% c']。原理是先把小数转成百分比数值，再转成字符串类型，最后和固定字符串'% '以及col2的内容拼接，所有操作都是在整个列上批量完成的。

方法2：用apply结合f-string（更灵活） #

如果需要更复杂的格式化逻辑，用apply配合f-string会更直观——虽然apply(axis=1)是逐行处理，但Pandas内部做了优化，比手动写Python循环快很多：

df['col3'] = df.apply(lambda row: f"{row['col1']*100:.0f}% {row['col2']}", axis=1)

这里的:.0f表示把数值格式化为整数（去掉小数部分），如果你的数据有小数百分比（比如0.25对应25%），这个写法也能完美适配。

方法3：链式赋值（代码更简洁） #

如果你喜欢链式操作的风格，可以用assign方法一次性完成新列的创建：

df = df.assign(col3=(df['col1']*100).astype(int).astype(str) + '% ' + df['col2'])

这种写法不需要单独修改原DataFrame，直接返回包含新列的新DataFrame，适合数据流式的代码风格。

总的来说，尽量避免手动写for循环遍历DataFrame，Pandas提供的矢量化方法不仅代码更简洁，在数据量大的时候性能提升会非常明显。

内容的提问来源于stack exchange，提问作者m33n