值上带有itertools.chain()

这样可以更快：

from itertools import chain
categories = list(chain.from_iterable(categories.values))

字符串

性能

from functools import reduce
from itertools import chain

categories = pd.Series([['a', 'b'], ['c', 'd', 'e']] * 1000)

%timeit list(chain.from_iterable(categories.values))
1000 loops, best of 3: 231 µs per loop

%timeit list(chain(*categories.values.flat))
1000 loops, best of 3: 237 µs per loop

%timeit reduce(lambda l1, l2: l1 + l2, categories)
100 loops, best of 3: 15.8 ms per loop

型
对于这个数据集，chain ing大约快68倍。

矢量化？

矢量化在具有原生NumPy数据类型时有效（pandas毕竟使用NumPy作为数据）。由于我们已经在系列中有列表，并且希望得到一个列表，矢量化不太可能提高速度。标准Python对象和pandas/NumPy数据类型可能会消耗掉你从矢量化中获得的所有性能。我在另一个答案中尝试了矢量化算法。

矢量化但速度慢

你可以使用NumPy的concatenate：

import numpy as np

list(np.concatenate(categories.values))

字符串

性能

但是我们已经有了列表，即Python对象。所以向量化必须在Python对象和NumPy数据类型之间来回切换。这使得事情变慢：

categories = pd.Series([['a', 'b'], ['c', 'd', 'e']] * 1000)

%timeit list(np.concatenate(categories.values))
100 loops, best of 3: 7.66 ms per loop

%timeit np.concatenate(categories.values)
100 loops, best of 3: 5.33 ms per loop

%timeit list(chain.from_iterable(categories.values))
1000 loops, best of 3: 231 µs per loop

型

你可以用business["categories"].str.join('')试试运气，但我猜Pandas使用Python的字符串函数。我怀疑你能比Python提供的更好。

我用"".join(business["categories"])
它比business["categories"].str.join('')快得多，但仍然比itertools.chain方法慢4倍。我更喜欢它，因为它更具可读性，不需要导入。

如果有“无”值，则可以先过滤它们

from itertools import chain

my_series = my_df.apply(lambda x: [j for j in x if j != None])
list(chain.from_iterable(my_series.values))

字符串