Python 使用其他不同的列跨数据帧生成自定义字段的最佳方法？

我想在一个数据框中生成一个个人标识符变量，这个数据框可以承载很多人。这将是他们姓氏的10个字符，如果他们的姓氏少于10个字符，将用“2”填充这些单元格

i、 e.

people['姓氏].astype（str）.str[0]+people['姓氏].astype（str）.str[1]

最有效的方法是什么？我来自其他语言，在那里我会使用循环，但我知道这是不太有效的，特别是在大数据帧，当我可以使用向量和其他东西。如果您有任何建议，我将不胜感激，因为我希望改善习惯/提高效率

我的数据示例如下： 人民:

名字，姓氏，dob

bob, jobs, 2000-01-04
jim, jobsworth, 2000-01-02
rob, jobbington, 2000-01-03
cob, jobsalotverylongname, 2000-01-01

---

是的，在entrier列上使用pandas函数比在行上循环更有效

作为第一个答案，我建议：

---

在姓氏中添加一堆

'2'

s，然后选择前10个字符。

是的，在entrier列上使用pandas函数比在行上循环更有效

作为第一个答案，我建议： 在姓氏中添加一组

'2'

s，然后选择前10个字符。

使用，通过索引

str[：10]

将列

dob

转换为日期时间，并将

年、月、日

提取到新列，以获取前10个值：

df['surname'] = df['surname'].str.ljust(10, '9').str[:10]
df['dob'] = pd.to_datetime(df['dob'])
df['y'] = df['dob'].dt.year
df['m'] = df['dob'].dt.month
df['d'] = df['dob'].dt.day
print (df)
  firstname     surname        dob     y  m  d
0       bob  jobs999999 2000-01-04  2000  1  4
1       jim  jobsworth9 2000-01-02  2000  1  2
2       rob  jobbington 2000-01-03  2000  1  3
3       cob  jobsalotve 2000-01-01  2000  1  1

使用，通过索引

str[：10]

将列

dob

转换为日期时间，获取前10个值，并将

年、月、日

提取到新列：

df['surname'] = df['surname'].str.ljust(10, '9').str[:10]
df['dob'] = pd.to_datetime(df['dob'])
df['y'] = df['dob'].dt.year
df['m'] = df['dob'].dt.month
df['d'] = df['dob'].dt.day
print (df)
  firstname     surname        dob     y  m  d
0       bob  jobs999999 2000-01-04  2000  1  4
1       jim  jobsworth9 2000-01-02  2000  1  2
2       rob  jobbington 2000-01-03  2000  1  3
3       cob  jobsalotve 2000-01-01  2000  1  1

---

可以添加预期的输出吗？当然-Jobs99999只包含姓氏的第一行，但是添加了dob后，我需要解析dob字符串以获得月份、日期和年份-我很高兴思考我需要如何实现这一点，我只知道尝试在这里使用equals语句和+字符numbersAdded答案有点太复杂了，我希望了解需要什么。你能添加预期的输出吗？当然-Jobs99999第一行只有姓氏，但添加了dob后，我需要解析dob字符串以获得月份、日期和年份-我很高兴思考我需要如何做到这一点，我只知道在这里尝试使用equals语句和+字符编号添加的答案有点太复杂了，我希望了解需要什么。谢谢你的回复-我正在考虑，但我必须对出生日期和其他一些字段进行字符串解析，我想学习如何使用矢量化或其他函数将有助于我继续前进，如果我有类似的工作要做，谢谢你的回答-我正在考虑，但我必须做一些字符串解析的出生日期，可能还有一些其他领域，我想如果我有类似的工作要做的话，学习如何使用矢量化或其他功能将有助于我继续前进