如何将Pandas数据框中自定义类类型列拆分为x、y列？

嘿，这个问题我之前处理过！你用str_split()失效太正常了——Pandas的str.*系列方法专门针对字符串类型的Series设计，而你的A['col']里全是自定义类my_class的实例，自然没法用字符串处理逻辑。咱们换几个靠谱的方法来拆分出x和y列：

方案1：用apply()方法（最直观，新手友好） #

这是最容易理解的方式，直接对每个类实例调用对应的属性即可：

import pandas as pd

# 先定义你的自定义类（示例）
class my_class:
    def __init__(self, x, y):
        self.x = x
        self.y = y

# 构造示例数据框
A = pd.DataFrame({
    'col': [my_class(1, 'a'), my_class(2, 'b'), my_class(3, 'c')]
})

# 提取属性生成新列
A['x'] = A['col'].apply(lambda obj: obj.x)
A['y'] = A['col'].apply(lambda obj: obj.y)

# 查看结果
print(A)

运行后你会得到包含col、x、y三列的数据框，x和y就是你需要的属性值。

方案2：列表推导式（性能更优，适合大数据集） #

如果你的数据量很大，列表推导式的执行速度通常比apply()更快，写法也同样简洁：

A['x'] = [obj.x for obj in A['col']]
A['y'] = [obj.y for obj in A['col']]

原理和apply()一致，但底层实现更高效，处理十万级以上数据时差异会比较明显。

方案3：用map()方法（另一种简洁写法） #

map()也可以用来逐个处理Series里的元素，写法和apply()类似：

A['x'] = A['col'].map(lambda obj: obj.x)
A['y'] = A['col'].map(lambda obj: obj.y)

额外提示：处理空值情况 #

如果你的A['col']里可能存在None（空的类实例），最好在提取时加个判断，避免抛出属性不存在的错误：

A['x'] = A['col'].apply(lambda obj: obj.x if obj is not None else None)
A['y'] = A['col'].apply(lambda obj: obj.y if obj is not None else None)

内容的提问来源于stack exchange，提问作者Amitai