如何在pandas.DataFrame.apply中传入行名与列名作为参数？

可以用apply实现吗？ #

可以，通过嵌套apply结合lambda捕获行/列名即可实现。示例代码如下：

import pandas as pd

countries = ["Germany", "France", "Belgium"]
years = [2030, 2040, 2050]
df = pd.DataFrame(columns=countries, index=years)

def myFunc(countryname, year):
    return countryname + str(year)

# 外层按行遍历获取年份，内层按列元素遍历获取国家名称
df = df.apply(lambda row: row.apply(lambda _, year=row.name: myFunc(_.name, year)), axis=1)

外层apply(axis=1)遍历每一行，row.name获取当前年份；内层apply遍历该行的每个列元素，_.name获取当前国家名称，最终传递给myFunc生成结果。

非嵌套循环的更高效实现 #

如果要彻底避免嵌套循环（包括列表推导式的嵌套），推荐以下两种高性能实现：

方法1：利用Numpy广播机制 #

广播是Numpy的核心特性，能自动匹配维度完成元素级操作，完全无需循环：

import pandas as pd
import numpy as np

countries = ["Germany", "France", "Belgium"]
years = [2030, 2040, 2050]

# 将国家转为行向量，年份转为列向量并转字符串
countries_arr = np.array(countries)[np.newaxis, :]
years_arr = np.array(years)[:, np.newaxis].astype(str)

# 广播自动匹配维度，直接拼接字符串
result = countries_arr + years_arr

# 转换为目标DataFrame
df = pd.DataFrame(result, columns=countries, index=years)

方法2：利用MultiIndex生成笛卡尔积 #

通过from_product直接生成行名和列名的所有组合，再转换为DataFrame：

import pandas as pd

countries = ["Germany", "France", "Belgium"]
years = [2030, 2040, 2050]

# 生成包含所有（年份，国家）组合的MultiIndex
mi = pd.MultiIndex.from_product([years, countries], names=["year", "country"])

# 对每个组合应用函数，再转换为宽表格式
s = pd.Series(mi.map(lambda x: x[1] + str(x[0])), index=mi)
df = s.unstack(level="country")

这两种方法都避开了显式循环，性能远优于循环类实现，适合处理大规模数据集。

内容的提问来源于stack exchange，提问作者tintinnabulum