在pandas DataFrame中快速应用字符串操作

Question

假设我有一个包含100k行和一列name的DataFrame。我想要尽可能高效地将这个名字拆分成名字和姓氏。我的当前方法是：

def splitName(name):
  return pandas.Series(name.split()[0:2])

df[['first', 'last']] = df.apply(lambda x: splitName(x['name']), axis=1)

很不幸，DataFrame.apply的速度非常慢。有没有什么方法可以使这个字符串操作的速度接近于numpy操作呢？

谢谢！

- duckworthd

---

如果你使用的是0.8.1或更高版本的pandas，那么似乎你可以使用 series.str.split() 进行操作。相关文档在这里：http://pandas.pydata.org/pandas-docs/stable/basics.html#vectorized-string-methods - Thomas K

Answer 1

尝试一下（需要 pandas 版本大于等于 0.8.1）：

splits = x['name'].split()
df['first'] = splits.str[0]
df['last'] = splits.str[1]

- Wes McKinney

---

太好了！我不知道这个新增功能。 - duckworthd

有趣的是，这个问题与这个稍后的问题完全相同，但回答中没有提到Series.split()。它已经从pandas中删除了吗？ - LondonRob

现在可以使用 Series.str.split() 进行操作。 - joris