使用Lambda函数处理Pandas DataFrame条件赋值时的报错问题求助

错误原因 #

你写的代码报错是因为**df['b'].apply()的lambda参数x是b列的单个数值**，它没有a属性——你试图从一个整数里获取a列的值，这显然行不通。

正确实现方式 #

方法1：逐行处理（apply+axis=1）

把apply作用于整个DataFrame，指定axis=1让lambda接收整行数据，这样就能同时访问a和b列的值：

import pandas as pd
import random

df = pd.DataFrame({'a': ['Yes', 'No', 'Yes','Yes'], 'b': [1, 0, 0,0]})
# 对整行应用逻辑，替换符合条件的b值
df['b'] = df.apply(lambda row: random.randint(1,15) if row['a'] == 'Yes' and row['b'] == 0 else row['b'], axis=1)
print(df)

方法2：布尔索引批量处理（推荐）

用布尔索引筛选出需要替换的行，直接批量赋值随机数，这种方法比逐行apply效率更高，适合大数据集：

import pandas as pd
import random

df = pd.DataFrame({'a': ['Yes', 'No', 'Yes','Yes'], 'b': [1, 0, 0,0]})
# 生成筛选条件：a为Yes且b为0
mask = (df['a'] == 'Yes') & (df['b'] == 0)
# 给符合条件的行的b列赋值1-15的随机整数
df.loc[mask, 'b'] = [random.randint(1,15) for _ in range(df[mask].shape[0])]
print(df)

输出示例 #

运行后会得到符合期望的结果（随机数每次运行不同）：

a   b
0  Yes   1
1   No   0
2  Yes  12
3  Yes   5

内容的提问来源于stack exchange，提问作者VKS