这是一个比您目前的解决方案要快很多的解决方案，我不相信虽然不会更快
In [13]: import numpy as np import pandas as pd n = 1000 testing = pd.Dataframe({'NAME':[ 'FIRST', np.nan, 'NAME2', 'NAME3', 'NAME4', 'NAME5', 'NAME6']*n, 'FULL_NAME':['FIRST LAST', np.nan, 'FIRST LAST', 'FIRST NAME3', 'FIRST NAME4 LAST', 'ANOTHER NAME', 'LAST NAME']*n})这是一个很长的班轮，但它应该做您需要的
我可以想出的禁食解决方案是
replace在另一个答案中提到的：
In [37]: %timeit testing ['NEW2'] = [e.replace(k, '') for e, k in zip(testing.FULL_NAME.astype('str'), testing.NAME.astype('str'))]100 loops, best of 3: 4.67 ms per loop原始答案：
In [14]: %timeit testing ['NEW'] = [''.join(str(e).split(k)) for e, k in zip(testing.FULL_NAME.astype('str'), testing.NAME.astype('str'))]100 loops, best of 3: 7.24 ms per loop与您当前的解决方案相比：
In [16]: %timeit testing['NEW1'] = testing.apply(address_remove, axis=1)10 loops, best of 3: 166 ms per loop
这些为您提供与当前解决方案相同的答案
