Python 将df中的一列拆分为另一列值

在python中，我有以下df（第一行中的标题）：

我正试图根据“FirstName”中的值在“FullName”中分割每条记录，但运气不好

这就是我所尝试的：

df['Names'] = df['FullName'].str.split(df['FirstName'])

这会产生错误：

'Series' objects are mutable, thus they cannot be hashed

期望输出：

print(df['Names'])

['Michael', 'Jordan']
['Kobe', 'Bryant']
['LeBron', 'James']

str.replace

---

同样的想法，但使用

map

df.assign(LastName=[*map(lambda a, b: a.replace(b, ''), df.FullName, df.FirstName)])

        FullName FirstName LastName
0  MichaelJordan   Michael   Jordan
1     KobeBryant      Kobe   Bryant
2    LeBronJames    LeBron    James

---

由于您正在进行行操作，因此我们可以使用apply

其思想是将名字替换为self+逗号分隔

df["SplitName"] = df.apply(
    lambda x: x["FullName"].replace(x["FirstName"], f"{x['FirstName']}, "), axis=1
)


print(df['SplitName'].str.split(',',expand=True))

         0        1
0  Michael   Jordan
1     Kobe   Bryant
2   LeBron    James

---

这是一个应用程序的一行。根据

名字的长度拆分
全名
：

df['Names']=df.apply（lambda行：[row['FullName'][：len（row['FirstName']），row['FullName']][len（row['FirstName']）：]]如果行['FullName']，则应用。开始使用（row['FirstName']）else''，axis=1）

你能发布你想要的样本输出吗？这正是我想要的。非常感谢。聪明的。。。鉴于名字通常是。。。UH第一个（-）：
df.assign(LastName=[*map(lambda a, b: a.replace(b, ''), df.FullName, df.FirstName)])

        FullName FirstName LastName
0  MichaelJordan   Michael   Jordan
1     KobeBryant      Kobe   Bryant
2    LeBronJames    LeBron    James

df["SplitName"] = df.apply(
    lambda x: x["FullName"].replace(x["FirstName"], f"{x['FirstName']}, "), axis=1
)


print(df['SplitName'].str.split(',',expand=True))

         0        1
0  Michael   Jordan
1     Kobe   Bryant
2   LeBron    James

        FullName FirstName              Names
0  MichaelJordan   Michael  [Michael, Jordan]
1     KobeBryant      Kobe     [Kobe, Bryant]
2    LeBronJames    LeBron    [LeBron, James]



>>> df.assign(names=[[firstname, fullname[len(firstname):]] 
                     for fullname, firstname in df[['FullName', 'FirstName']].values])
        FullName FirstName              names
0  MichaelJordan   Michael  [Michael, Jordan]
1     KobeBryant      Kobe     [Kobe, Bryant]
2    LeBronJames    LeBron    [LeBron, James]