Python：DF中高效的拆分列

假设我有一个DF，它包含一个表单的列

0     A.1
1     A.2
2     B.3
3     4.C

假设我只想使用“.”后面的元素，按“.”拆分这些列。一个天真的方法是

for i in range(len(tbl)):
  tbl['column_name'].iloc[i] = tbl['column_name'].iloc[i].split('.',1)[1] 

这很有效。而且对于大桌子来说速度很慢。有人知道如何加快这个过程吗？我可以在DF中使用新列，因此我不局限于更改源列（因为我在示例中重用了它）。

---

谢谢

对于大型数据帧，使用

map

而不是For循环必须更快：

%timeit df['newcol']  = df.column_name.map(lambda x: x.split('.')[1])
100 loops, best of 3: 10.7 ms per loop

%timeit for i in range(len(df)): df['newcol'].iloc[i] = df['column_name'].iloc[i].split('.',1)[1]
1 loops, best of 3: 7.63 s per loop

---

pandas

具有字符串方法，可以在不使用循环的情况下高效地执行这些操作（这会降低性能）。在这种情况下，您可以使用：

---

阿美-塔沃里像奇迹一样工作（缓慢的奇迹，但不是2小时的奇迹：-）@谢谢你的回答。它比本地大熊猫慢一些，但比常规的“for”循环快得多！可能在某些情况下，这种情况甚至比熊猫解析更好。非常感谢你们两位。

>> import pandas as pd
>> df = pd.DataFrame({'a': ['A.1', 'A.2', 'B.3', 'C.4']})
>> df
    a
0   A.1
1   A.2
2   B.3
3   C.4
>> df.a.str.split('.').apply(pd.Series)
    0   1
0   A   1
1   A   2
2   B   3
3   C   4