连接pandas数据框中的所有列

Question

我有多个pandas数据框，它们的列数可能不同，这些列的数量通常在50到100之间。我需要创建一个最终列，该列只是所有列的连接。基本上，该列第一行中的字符串应该是所有列第一行中的字符串的总和（并置）。我在下面编写了循环，但我觉得可能有更好的更有效的方法来执行此操作。有关如何执行此操作的任何想法

num_columns = df.columns.shape[0]
col_names = df.columns.values.tolist()
df.loc[:, 'merged'] = ""
for each_col_ind in range(num_columns):
    print('Concatenating', col_names[each_col_ind])
    df.loc[:, 'merged'] = df.loc[:, 'merged'] + df[col_names[each_col_ind]]

Answer 1

解决方案sum，但输出是float，因此必须转换为int和str：

df['new'] = df.sum(axis=1).astype(int).astype(str)

另一个具有applyfunction的解决方案join，但最慢：

df['new'] = df.apply(''.join, axis=1)

最后非常快numpy solution-转换为numpy array再“和”：

df['new'] = df.values.sum(axis=1)

时间 ：

df = pd.DataFrame({'A': ['1', '2', '3'], 'B': ['4', '5', '6'], 'C': ['7', '8', '9']})
#[30000 rows x 3 columns]
df = pd.concat([df]*10000).reset_index(drop=True)
#print (df)

cols = list('ABC')

#not_a_robot solution
In [259]: %timeit df['concat'] = pd.Series(df[cols].fillna('').values.tolist()).str.join('')
100 loops, best of 3: 17.4 ms per loop

In [260]: %timeit df['new'] = df[cols].astype(str).apply(''.join, axis=1)
1 loop, best of 3: 386 ms per loop

In [261]: %timeit df['new1'] = df[cols].values.sum(axis=1)
100 loops, best of 3: 6.5 ms per loop

In [262]: %timeit df['new2'] = df[cols].astype(str).sum(axis=1).astype(int).astype(str)
10 loops, best of 3: 68.6 ms per loop

编辑如果某些列的dtype不是object（显然是strings）强制转换DataFrame.astype：

df['new'] = df.astype(str).values.sum(axis=1)