如何字符串连接一列与另一列

Question

我刚刚遇到了这个问题，我如何通过一列连接另一列，这是我的{}：

>>> df = pd.DataFrame({'a': ['a', 'b', 'c', 'd'], 'b': ['hello', 'good', 'great', 'nice']})
   a      b
0  a  hello
1  b   good
2  c  great
3  d   nice

我希望a列连接b列中的值，因此我希望的输出是：

   a          b
0  a  haealalao
1  b    gbobobd
2  c  gcrcecact
3  d    ndidcde

我该怎么做呢

希望您能看到与此相关的内容，下面是一个示例，您可以在python中执行第一行操作：

>>> 'a'.join('hello')
'haealalao'
>>> 

就像在期望的输出中一样

我认为了解两个专栏如何相互作用可能很有用join可能不是最好的例子，但您还可以执行其他功能。如果在其他列上使用split来split，或者用其他内容替换其他列中的字符，那么它可能会很有用

p.S.下面我有一个自我回答。

Answer 1

下面是另一个使用zip和list comprehension的解决方案。应优于df.apply：

In [1576]: df.b = [i.join(j) for i,j in zip(df.a, df.b)]

In [1578]: df
Out[1578]: 
   a          b
0  a  haealalao
1  b    gbobobd
2  c  gcrcecact
3  d    ndidcde

Answer 2

我尝试使用df.apply实现输出

>>> df.apply(lambda x: x['a'].join(x['b']), axis=1)
0    haealalao
1      gbobobd
2    gcrcecact
3      ndidcde
dtype: object

为性能比较计时

from timeit import timeit
df = pd.DataFrame({'a': ['a', 'b', 'c', 'd'], 'b': ['hello', 'good', 'great', 'nice']})

def u11_1():
    it = iter(df['a'])
    df['b'] = [next(it).join(i) for i in df['b']]

def u11_2():
    df['b'] = df.groupby(df.index).apply(lambda x: x['a'].item().join(x['b'].item()))

def u11_3():
    df['b'] = [x.join(y) for x, y in df.values.tolist()]

def u11_4():
    df['c'] = df.apply(lambda x: x['a'].join(x['b']), axis=1)

df = pd.DataFrame({'a': ['a', 'b', 'c', 'd'], 'b': ['hello', 'good', 'great', 'nice']})
print('Solution 1:', timeit(u11_1, number=5))
df = pd.DataFrame({'a': ['a', 'b', 'c', 'd'], 'b': ['hello', 'good', 'great', 'nice']})
print('Solution 2:', timeit(u11_2, number=5))
df = pd.DataFrame({'a': ['a', 'b', 'c', 'd'], 'b': ['hello', 'good', 'great', 'nice']})
print('Solution 3:', timeit(u11_3, number=5))
df = pd.DataFrame({'a': ['a', 'b', 'c', 'd'], 'b': ['hello', 'good', 'great', 'nice']})
print('Solution 4:', timeit(u11_4, number=5))

请注意，我在每行之前重新初始化df，以便所有函数处理相同的数据帧。也可以将df作为参数传递给函数

Answer 3

TL；博士

下面的代码是我从这个问题中得出的最快答案：

it = iter(df['a'])
df['b'] = [next(it).join(i) for i in df['b']]

上面的代码首先生成a列，然后每次都可以使用next获取下一个值，然后在列表中连接两个字符串

长答覆：

将展示我的解决方案：

解决方案1:

要使用list理解和生成器：

it = iter(df['a'])
df['b'] = [next(it).join(i) for i in df['b']]
print(df)

解决方案2:

按索引分组，并apply和str.join两列的值：

df['b'] = df.groupby(df.index).apply(lambda x: x['a'].item().join(x['b'].item()))
print(df)

解决方案3:

使用list理解，在列和str.join之间迭代：

df['b'] = [x.join(y) for x, y in df.values.tolist()]
print(df)

这些代码全部输出：

   a          b
0  a  haealalao
1  b    gbobobd
2  c  gcrcecact
3  d    ndidcde

定时：

现在是使用timeit模块进行计时的时候了，下面是我们用来计时的代码：

from timeit import timeit
df = pd.DataFrame({'a': ['a', 'b', 'c', 'd'], 'b': ['hello', 'good', 'great', 'nice']})
def u11_1():
    it = iter(df['a'])
    df['b'] = [next(it).join(i) for i in df['b']]
    
def u11_2():
    df['b'] = df.groupby(df.index).apply(lambda x: x['a'].item().join(x['b'].item()))
    
def u11_3():
    df['b'] = [x.join(y) for x, y in df.values.tolist()]

print('Solution 1:', timeit(u11_1, number=5))
print('Solution 2:', timeit(u11_2, number=5))
print('Solution 3:', timeit(u11_3, number=5))

输出：

Solution 1: 0.007374127670871819
Solution 2: 0.05485127553865618
Solution 3: 0.05787154087587698

因此，第一种解决方案是最快的，使用生成器