python：Dataframe字符串合并的高效方法（一文详解）

1.摘要
2.讲解2个场景的解决方案
- 2.1 对于场景1：合并df中其中几列字符串的场景，有以下2种方案。
- 2.2 对于场景2：将df中的字符串与外部字符串合并，有以下4种方案：
3.总结方法
- 方法1：使用Lambda函数和apply函数的组合：强烈推荐，代码简洁，逻辑清晰
- 方法2：使用apply函数
- 方法3：使用applymap函数
- 方法4：直接对列进行字符串拼接

1.摘要

Dataframe的字符串合并包括2种场景，1.合并df中其中几列字符串；2.将df中的字符串与外部字符串合并。
本文主要介绍在Python下对Dataframe进行字符串合并操作的方法。首先，总结了实现上述功能主要的几种方法：1.使用Lambda函数和apply函数的组合（推荐第1种方法：代码简洁、灵活、逻辑清晰），2.使用apply函数，3.使用applymap函数，4.直接对列进行字符串拼接；接着，依次对每种方法以具体例子进行讲解，包括输入、处理、输出，只管感受效果。。

2.讲解2个场景的解决方案

2.1 对于场景1：合并df中其中几列字符串的场景，有以下2种方案。

"""df样例:"""
import pandas as pd
df = pd.DataFrame({'id': [1, 2, 3, 4],'name': ['Alice', 'Bob', 'Charlie', 'David']})"""方法1：使用Lambda函数和apply函数的组合"""
df['combined1'] = df.apply(lambda row: f"序号：{row['id']}，姓名： {row['name']}", axis=1)"""方法4：直接对列进行字符串拼接"""
df['combined2'] = "序号：" + df['id'].astype(str) + "，姓名：" + df['name'].astype(str)#输出：
0   序号：1，姓名： Alice
1   序号：2，姓名： Bob
2   序号：3，姓名： Charlie
3   序号：4，姓名： David

2.2 对于场景2：将df中的字符串与外部字符串合并，有以下4种方案：

"""df样例:"""
import pandas as pd
df = pd.DataFrame({'id': [1, 2, 3, 4],'name': ['Alice', 'Bob', 'Charlie', 'David']})"""方法1：使用Lambda函数和apply函数的组合"""
df['combined1'] = df.apply(lambda row: f"你好，{row['name']}，今天吃了吗", axis=1)"""方法2：使用apply函数"""
df['combined2']  = df['name'].apply(lambda x: "你好，" + str(x) + "，今天吃了吗")"""方法3：使用applymap函数"""
df['new_id'] = df.applymap(lambda x: "aaaa" + str(x) + "bbb")['id']"""方法4：直接对列进行字符串拼接"""
def merge_strings(name):return "你好，" + str(name) + "，今天吃了吗"df['new_id'] = df['name'].apply(merge_strings)#输出：
0    你好，Alice，今天吃了吗
1    你好，Bob，今天吃了吗
2    你好，Charlie，今天吃了吗
3    你好，David，今天吃了吗

3.总结方法

总的来说，python进行字符串的合并有以下4种方法。

方法1：使用Lambda函数和apply函数的组合：强烈推荐，代码简洁，逻辑清晰

Lambda函数是一种简洁的定义函数的方式。结合apply函数，我们可以更加简洁地定义进行字符串操作。

"""df样例:"""
import pandas as pd
df = pd.DataFrame({'id': [1, 2, 3, 4],'name': ['Alice', 'Bob', 'Charlie', 'David']})"""合并df中其中几列字符串的场景"""
df['combined1'] = df.apply(lambda row: f"序号：{row['id']}，姓名： {row['name']}", axis=1)
#输出：
0   序号：1，姓名： Alice
1   序号：2，姓名： Bob
2   序号：3，姓名： Charlie
3   序号：4，姓名： David"""将df中的字符串与外部字符串合并"""
df['combined1'] = df.apply(lambda row: f"你好，{row['name']}，今天吃了吗", axis=1)
#输出：
0    你好，Alice，今天吃了吗
1    你好，Bob，今天吃了吗
2    你好，Charlie，今天吃了吗
3    你好，David，今天吃了吗

方法2：使用apply函数

"""df样例:"""
import pandas as pd
df = pd.DataFrame({'id': [1, 2, 3, 4],'name': ['Alice', 'Bob', 'Charlie', 'David']})"""将df中的字符串与外部字符串合并"""
df['combined1'] = df.apply(lambda row: f"你好，{row['name']}，今天吃了吗", axis=1)
#输出：
0    你好，Alice，今天吃了吗
1    你好，Bob，今天吃了吗
2    你好，Charlie，今天吃了吗
3    你好，David，今天吃了吗

apply函数可以对DataFrame中的每一行应用一个函数。在这个方法中，需要先定义一个作用于df的函数。

方法3：使用applymap函数

applymap函数可以对DataFrame中的每个元素应用一个自定义的函数。通过使用applymap函数，我们可以实现ID列与名称列的合并。

"""将df中的字符串与外部字符串合并"""
df['new_id'] = df.applymap(lambda x: "aaaa" + str(x) + "bbb")['id']#输出：
0    你好，Alice，今天吃了吗
1    你好，Bob，今天吃了吗
2    你好，Charlie，今天吃了吗
3    你好，David，今天吃了吗

方法4：直接对列进行字符串拼接

"""合并df中其中几列字符串的场景"""
df['combined2'] = "序号：" + df['id'].astype(str) + "，姓名：" + df['name'].astype(str)
#输出：
0   序号：1，姓名： Alice
1   序号：2，姓名： Bob
2   序号：3，姓名： Charlie
3   序号：4，姓名： David"""将df中的字符串与外部字符串合并"""
def merge_strings(name):return "你好，" + str(name) + "，今天吃了吗"df['new_id'] = df['name'].apply(merge_strings)
#输出：
0    你好，Alice，今天吃了吗
1    你好，Bob，今天吃了吗
2    你好，Charlie，今天吃了吗
3    你好，David，今天吃了吗