为Pandas DataFrame每行应用自定义函数异常，求解决方案

现有形状为(349, 17)的水样参数DataFrame（包含pH、盐度、温度等指标），需用PyCO2SYS工具计算化学输出值。已编写自定义函数pCO2_column，通过行索引提取每行变量并返回目标计算值：

def pCO2_column(i):
    # input variables
    PAR1 = df['TA (umol/kg)'][i]        # ALK
    PAR2 = df['pH'][i]                  # pH                                  
    SAL = df['Sal psu'][i]              # Salinity
    TEMPIN = df['Temp C'][i]            # Temperature (input)
    TEMPOUT = TEMPIN                    # Temperature (output)
    PRESIN = df['Pressure psi a'][i]    # Pressure (input)
    PRESOUT = PRESIN                    # Pressure (output)
    # Result I want to add into column
    pCO2_out = pyco2.sys(PAR1, PAR2, PAR1TYPE, PAR2TYPE, SAL, TEMPIN, TEMPOUT, PRESIN, PRESOUT, pHSCALEIN, K1K2CONSTANTS, KSO4CONSTANTS)["pCO2_out"]
    return pCO2_out

注：PAR1TYPE、PAR2TYPE等参数已全局定义，仅函数内变量随每行变化。

尝试用apply生成新列时出现问题：

df['pCO2_out (μatm)'] = df.apply(lambda row: pCO2_column(df.index), axis=0)

运行报错：ValueError: Wrong number of items passed 17, placement implies 1；改为axis=1时，每行返回所有行的计算值数组；改回axis=0虽能填充，但想寻求更优实现，避免循环遍历的低效方式。

1. apply参数逻辑错误：axis=0表示按列处理，此时传入df.index会让函数一次性计算所有行的结果，返回长度为349的数组，但按列处理要求每个列的结果长度匹配列的行数（17），因此触发报错。
2. axis=1时的调用错误：改成axis=1后，lambda中的row是单行数据，但你仍调用pCO2_column(df.index)传入所有行索引，导致函数返回全量结果数组，而非当前行的单个值。
3. 函数依赖全局DataFrame：pCO2_column直接引用全局df，没有利用apply传递的单行数据，无法实现逐行计算。

方案1：适配apply(axis=1)的逐行计算 #

调整函数接收单行数据，而非索引，直接用apply按行处理：

def pCO2_column(row):
    PAR1 = row['TA (umol/kg)']
    PAR2 = row['pH']
    SAL = row['Sal psu']
    TEMPIN = row['Temp C']
    TEMPOUT = TEMPIN
    PRESIN = row['Pressure psi a']
    PRESOUT = PRESIN
    return pyco2.sys(PAR1, PAR2, PAR1TYPE, PAR2TYPE, SAL, TEMPIN, TEMPOUT, PRESIN, PRESOUT, pHSCALEIN, K1K2CONSTANTS, KSO4CONSTANTS)["pCO2_out"]

# 生成新列
df['pCO2_out (μatm)'] = df.apply(pCO2_column, axis=1)

此方式让apply将每行数据传入函数，返回单个值直接填充到新列，逻辑清晰且符合Pandas用法。

方案2：向量化计算（最优解） #

PyCO2SYS支持直接传入数组进行向量化计算，无需逐行处理，效率远高于apply或循环：

# 直接传入整列数据进行批量计算
results = pyco2.sys(
    df['TA (umol/kg)'],
    df['pH'],
    PAR1TYPE,
    PAR2TYPE,
    df['Sal psu'],
    df['Temp C'],
    df['Temp C'],  # TEMPOUT与TEMPIN一致
    df['Pressure psi a'],
    df['Pressure psi a'],  # PRESOUT与PRESIN一致
    pHSCALEIN,
    K1K2CONSTANTS,
    KSO4CONSTANTS
)
# 提取结果列到DataFrame
df['pCO2_out (μatm)'] = results["pCO2_out"]

向量化计算利用了底层优化，避免了Python层面的循环开销，是处理此类批量计算的最优方式。

内容的提问来源于stack exchange，提问作者user22908408