如何用多输入输出函数向量化更新Pandas DataFrame列？

错误原因 #

你用apply时犯了一个常见错误：在lambda里直接传入DF['YEAR']和DF['MONTH']（整个Series对象），但你的getSeason函数是为单个整数设计的。字典的键必须是可哈希类型，而Series是不可哈希的，所以触发了unhashable type: 'Series'错误。

快速修复：正确使用apply #

如果想保留原getSeason函数，只需修改apply的写法，让它逐行处理（指定axis=1），并传入当前行的单个year和month值：

import pandas as pd

# 你的原函数不变
def getSeason(year, mth):
    sYear = year
    mthsDict = {1:"winter",2:"winter",3:"spring",4:"spring",5:"spring",6:"summer",7:"summer",8:"summer",9:"fall",10:"fall",11:"fall",12:"winter"}
    season = mthsDict.get(mth)
    if mth == 12:
        sYear = sYear + 1
    return (sYear, season)

# 正确的apply调用
result = DF.apply(lambda row: getSeason(row['YEAR'], row['MONTH']), axis=1)
# 将返回的元组列表拆分成两列
DF[['SYR', 'SEASON']] = pd.DataFrame(result.tolist(), index=DF.index)

更高效的向量化方案（推荐） #

apply本质还是逐行处理，对于大数据量，推荐用完全向量化的Pandas操作，速度提升明显：

# 定义月份-季节映射
season_map = {1:"winter",2:"winter",3:"spring",4:"spring",5:"spring",6:"summer",7:"summer",8:"summer",9:"fall",10:"fall",11:"fall",12:"winter"}

# 1. 生成SEASON列：直接对MONTH列做映射
DF['SEASON'] = DF['MONTH'].map(season_map)

# 2. 生成SYR列：12月的年份+1，其他保持原年份
DF['SYR'] = DF['YEAR'] + (DF['MONTH'] == 12).astype(int)

原理说明 #

• map方法直接对整个MONTH列做批量映射，无需逐行处理
• (DF['MONTH'] == 12)生成布尔列，astype(int)将True转为1、False转为0，加到YEAR列上就实现了12月年份+1的逻辑

效率对比 #

三种实现方式的效率从低到高排序：

• iterrows循环：最慢，逐行操作且涉及大量索引查找
• apply逐行处理：比iterrows快，但仍有逐行开销
• 完全向量化操作：最快，利用Pandas的底层优化，适合大数据集

内容的提问来源于stack exchange，提问作者beachcombr