df['new_col'] = [val[0] if hasattr(val, '__iter__') else None for val in df["A"]]
>>> df
A new_col
0 [1, 2] 1
1 [3, 4] 3
2 [8, 9] 8
3 [2, 6] 2
时间安排
df = pd.concat([df] * 10000)
%timeit df['new_col'] = [val[0] if hasattr(val, '__iter__') else None for val in df["A"]]
100 loops, best of 3: 13.2 ms per loop
%timeit df["new_col"] = df["A"].str[0]
100 loops, best of 3: 15.3 ms per loop
%timeit df['new_col'] = df.A.apply(lambda x: x[0])
100 loops, best of 3: 12.1 ms per loop
%timeit df.A.map(lambda x: x[0])
100 loops, best of 3: 11.1 ms per loop
移除安全检查,确保可重复操作。
%timeit df['new_col'] = [val[0] for val in df["A"]]
100 loops, best of 3: 7.38 ms per loop
4条答案
按热度按时间lmvvr0a81#
你可以用
map
和lambda
功能6g8kf2rb2#
和往常一样,请记住,在帧中存储非标量对象通常是不受欢迎的,实际上应该只作为临时的中间步骤使用。
也就是说,您可以使用
.str
访问器,即使它不是字符串列:db2dz4w83#
使用
apply
具有x[0]
:4jb9z9bj4#
您可以只使用一个条件列表,它接受任何iterable的第一个值,或者对该项不使用任何值。列表理解是非常抽象的。
时间安排
移除安全检查,确保可重复操作。