Python 熊猫：通过将类方法应用于另一列（包含类）来填充列

我有一个pandas数据框，其中一列填充了类对象，如下面的代码：

import pandas as pd
class rec:
    def test(self, a):
        return a
class rec1:
    def test(self, a):
        return a*3
x= rec()
y = rec1()
list = [x,y]
df=pd.DataFrame(list, columns=['first'])
df['second']=['a1','b1']

print(df)
                                          first second
0   <__main__.rec object at 0x000000180AAE9208>     a1
1  <__main__.rec1 object at 0x000000180AACBEB8>     b1

但我想知道是否可以避免循环，并使用更类似于以下代码的代码（不起作用）：

---

有什么建议吗？谢谢

实际上这并不难做到。您可以使用

np.vectorize

f = lambda x, y: x.test(y)
v = np.vectorize(f)

df['third'] = v(df['first'], df['second'])

df    
                                   first second   third
0   <__main__.rec object at 0x1038b1ef0>     a1      a1
1  <__main__.rec1 object at 0x1038b1c18>     b1  b1b1b1

f=lambda x，y:x.test（y）
v=np.vectorize（f）
df['third']=v（df['first']，df['second']）
df
第一第二第三
0 a1 a1
1 b1 B1B1

谢谢。看起来没问题。尽管numpy手册上说矢量化是为了方便而不是为了性能而提供的，而且实现本质上是一个for循环。@ste976我不是为了性能而使用它的，这是我能想到的解决问题的最简洁的方法。如果答案有效，别忘了接受。谢谢

df['third'] = df['first'].test(df['second'])

f = lambda x, y: x.test(y)
v = np.vectorize(f)

df['third'] = v(df['first'], df['second'])

df    
                                   first second   third
0   <__main__.rec object at 0x1038b1ef0>     a1      a1
1  <__main__.rec1 object at 0x1038b1c18>     b1  b1b1b1