为何Pandas的apply方法在函数无return语句时返回NaN而非保留原值？附条件转换的规范实现方式

嘿，我来帮你拆解这个问题：

为什么apply会填NaN而不是保留原值？ #

核心原因其实和Python本身的函数规则有关——你的scale_positive函数在x <= 0时没有写return语句，这时候Python会隐式返回None。而Pandas的apply是个“老实人”，它只会严格把函数的返回值对应放到结果里：

• 对于数值类型的Series，None会被转换成NaN（因为数值类型没法存None）
• 如果是object类型的Series，就会直接保留None

Pandas不会去“猜”你是不是想保留原值，毕竟函数没返回东西的情况，可能是你真的要空值，也可能是忘了写return，所以它只能遵循Python的规则来处理。

条件转换+保留原值的规范做法 #

这里有几种常用的方案，挑适合你场景的用：

1. 补全函数的return语句（最直观不易错） #

直接在函数里明确返回原值，这是最清晰的写法，别人看代码也一眼能懂：

import pandas as pd
def scale_positive(x):
    if x > 0:
        return x * 10
    return x  # 显式返回原始值

s = pd.Series([5, -2, 0, 8, -1])
result = s.apply(scale_positive)
print(result)

输出完全符合你的预期：

0    50
1    -2
2     0
3    80
4    -1
dtype: int64

2. 用numpy.where（高效简洁，适合简单条件） #

如果你的逻辑比较简单，没必要写自定义函数，用numpy.where速度更快（处理大数据集时优势明显）：

import pandas as pd
import numpy as np

s = pd.Series([5, -2, 0, 8, -1])
# 语法：np.where(条件, 满足条件时的值, 不满足条件时的值)
result = np.where(s > 0, s * 10, s)
print(result)

也可以用Pandas原生的where方法，注意参数顺序刚好相反（不满足条件时替换）：

result = s.where(s <= 0, s * 10)

3. 用Pandas的mask方法（语义清晰） #

mask方法的逻辑是：满足条件的元素替换成指定值，不满足的保留原值，完美匹配你的需求：

import pandas as pd

s = pd.Series([5, -2, 0, 8, -1])
result = s.mask(s > 0, s * 10)
print(result)

4. 用lambda+map（简洁的单行写法） #

如果逻辑简单，也可以用map配合lambda表达式，写法更紧凑：

import pandas as pd

s = pd.Series([5, -2, 0, 8, -1])
result = s.map(lambda x: x * 10 if x > 0 else x)
print(result)

内容的提问来源于stack exchange，提问作者Джон Сноу