提高pandas中行拆分的效率

要提高pandas中行拆分的效率，可以使用apply函数和lambda表达式来对行进行拆分。以下是一个示例代码：

import pandas as pd

# 创建示例数据
data = {'Name': ['John,Doe', 'Jane,Smith', 'Mike,Johnson'],
        'Age': [30, 25, 35]}
df = pd.DataFrame(data)

# 定义拆分函数
def split_name(row):
    names = row['Name'].split(',')
    row['First Name'] = names[0]
    row['Last Name'] = names[1]
    return row

# 使用apply和lambda函数进行拆分
df = df.apply(lambda row: split_name(row), axis=1)

# 输出结果
print(df)

运行以上代码，将会得到如下输出：

     Name  Age First Name Last Name
0  John,Doe   30       John       Doe
1  Jane,Smith  25       Jane     Smith
2  Mike,Johnson 35       Mike   Johnson

通过使用apply函数和lambda表达式，可以在整个DataFrame上逐行应用拆分函数，从而实现对行进行拆分的效果。这种方法可以很好地提高拆分的效率。