我有一个数据集，看起来像这样包含MAC地址：

dataset = {'Col1': ['10:50:1C:56:FF:C1', np.nan, '56:20:30:70:10:00'], 'Col2': [np.nan, 
'50:60:40:10:00:00', np.nan]}
dataframe = pd.DataFrame(data = dataset)

# Showing dataframe

    Col1               Col2
0   10:50:1C:56:FF:C1   NaN
1   NaN                50:60:40:10:00:00
2   56:20:30:70:10:00   NaN

我希望将这些地址分割为前七个字符，因此 Dataframe 应该如下所示：

# Showing Sliced dataframe

    Col1               Col2
0   10:50:1C           NaN
1   NaN                50:60:40
2   56:20:30           NaN

现在我已经写了下面的自定义函数，它成功地完成了这项工作，但它使用递归，我正在寻找一个方法，可以削减时间和使用更少的内存。

def sliceit(x):
  x = str(x)
  return x[:8]

def slice_macs(rowx):
  for i, item in enumerate(rowx):
     rowx[i] = sliceit(item)
  return rowx

我也收到了来自这个社区的精彩回应，我问了一个类似的问题，关于切片一个不同形式的字符串，然而，我试图研究正则表达式，并作出修改，使之能够适用于这些类型的字符串，但我没有运气。

IPs = splits.replace(r"(\d+\.\d+\.\d+)\.\d+", r"\1", regex=True)

所以我的问题是，有没有一种方法可以在不使用这么多内存的情况下，以一种更像Python的、更快的方式完成上述任务？