如何在Pandas中使用apply传递两列参数给自定义函数？

需求说明 #

给DataFrame新增Full Name列，规则如下：

• 若Name列按:拆分后的前缀为John，返回John
• 若前缀不是John，则根据Id列的值匹配id_reference字典，返回对应全名

原代码存在的问题 #

1. 函数some_function额外添加了split[0] == 'Jess'的判断，不符合“所有非John前缀都走Id匹配”的需求
2. 当Id不在id_reference字典中时，会直接抛出KeyError，没有边界处理

优化后的实现方案 #

方案1：修正apply逻辑（保持逐行处理）

先导入依赖并定义数据：

import pandas as pd

d = {
    'Name': ['John:Smith', 'John:Carter', 'Jess:Wayne'],
    'Id': [12, 13, 14]
}

id_reference = {
    14: 'Jessica',
    15: 'William'
}

df = pd.DataFrame.from_dict(d)

编写修正后的自定义函数，增加边界处理：

def get_full_name(name, id_val):
    prefix = name.split(':')[0]
    if prefix == 'John':
        return 'John'
    # 用get方法避免KeyError，Id不存在时返回原前缀（可根据需求改成其他默认值，比如pd.NA）
    return id_reference.get(id_val, prefix)

调用apply生成新列：

df['Full Name'] = df.apply(lambda row: get_full_name(row['Name'], row['Id']), axis=1)

执行后得到结果：

Name  Id Full Name
0   John:Smith  12       John
1  John:Carter  13       John
2   Jess:Wayne  14    Jessica

方案2：矢量化操作（更高效，适合大数据集）

apply是逐行处理，数据量大时效率较低，推荐用pandas矢量化方法替代：

# 拆分Name列提取前缀
df['Prefix'] = df['Name'].str.split(':').str[0]
# 按规则赋值：前缀是John则保留John，否则用Id匹配字典，匹配失败返回原前缀
df['Full Name'] = df['Prefix'].where(df['Prefix'] == 'John', df['Id'].map(id_reference).fillna(df['Prefix']))
# 删除临时的Prefix列
df = df.drop('Prefix', axis=1)

这个方法利用pandas内置的矢量化字符串操作和map方法，运行效率远高于逐行apply。

内容的提问来源于stack exchange，提问作者Novice Python charmer