Pandas 巧用 str.split 和 str.cat
因爲以上兩個方法，直接按列操作，所以省掉一層 for 循環，下面直接看例子。
df = pd.DataFrame({'names':["Geordi La Forge", "Deanna Troi", "Jack"],'IDs':[1,2,3]})
df
列分割
對 names 列，按照第一個空格分割爲兩列：
df["first_name"] = df["names"].str.split(n = 1).str[0]
df["last_name"] = df["names"].str.split(n = 1).str[1]
df
結果如下：
列合併方法 1
分割列搞定，接下來再合並回去，使用 cat 方法：
df["names_copy"] = df["first_name"].str.cat(df["last_name"], sep = " ")
df
合併兩列得到一個新列 names_copy 搞定！
列合併方法 2
還有別的合併方法嗎，直接使用 + 連接字符串：
df["names_copy2"] = df["first_name"] + " "+ df["last_name"]
df
效果是一樣的：
Pandas 多條件篩選可讀性較好的寫法
有特徵上百個，根據多個特徵篩選 DataFrame 時，如果這麼做，可讀性不太友好：
df[(df["continent"] == "Europe") & (df["beer_servings"] > 150) & (df["wine_servings"] > 50) & (df["spirit_servings"] < 60)]
連續多個篩選條件寫到一行裏。
更好可讀性的寫法
cr1 = df["continent"] == "Europe"
cr2 = df["beer_servings"] > 150
cr3 = df["wine_servings"] > 50
cr4 = df["spirit_servings"] < 60
df[cr1 & cr2 & cr3 & cr4]
個人更喜歡後者，雖然代碼多幾行，但是可讀性更好一些，拆開多個過濾條件並分別賦值給對象，最後再傳到 df 中，代碼看起來更清爽。