使用Pandas Apply调用含双DataFrame与数值参数的函数时触发TypeError错误求助

这个问题我碰到过，核心是你在使用apply时的参数传递逻辑搞反了，咱们一步步拆解原因和解决办法：

错误原因分析 #

你写的代码里，df3['number'].apply(function, args=(df1, df2, df3['number']))存在两个关键问题：

1. 参数顺序完全颠倒：Series.apply()默认会把当前迭代的每个元素（也就是df3['number']里的单个数字）作为第一个参数传给function，但你的function第一个参数是df1（DataFrame类型），这就导致把int类型的数字传给了需要DataFrame的位置，函数里如果对df1做下标操作（比如df1['col']），自然会报错“int对象不能被下标访问”。
2. args里传了整个Series：你在args里放了df3['number']，这是一整列数据，而你的function需要的是单个数字，这完全不符合参数要求。

可行的解决办法 #

方法一：调整函数参数顺序（推荐） #

把number放在function的第一个参数位置，剩下的df1、df2作为后续参数，然后用args传递固定的DataFrame：

def function(number, df1, df2):
    # 这里保留你原来的逻辑，注意参数顺序已经调整
    # 比如原来用到number的地方依然正常使用，df1和df2也按原逻辑调用
    pass

df3['result'] = df3['number'].apply(function, args=(df1, df2))

这样apply会自动把每个数字传给第一个参数number，args里的df1和df2会依次作为第二、第三个参数传入函数。

方法二：用Lambda包装函数（不修改原函数） #

如果你不想改动原函数的参数顺序，可以用lambda表达式做一层包装，手动指定参数传递顺序：

def function(df1, df2, number):
    # 保留你原来的函数逻辑，参数顺序不变
    pass

df3['result'] = df3['number'].apply(lambda num: function(df1, df2, num))

这里lambda接收每个迭代的num（单个数字），然后按照function要求的顺序把df1、df2、num传进去。

方法三：针对DataFrame整行apply（适用于需要多列的场景） #

如果后续你的函数需要用到df3里的其他列，可以改成对整个DataFrame的行进行apply：

def function(df1, df2, number):
    # 原函数逻辑不变
    pass

df3['result'] = df3.apply(lambda row: function(df1, df2, row['number']), axis=1)

axis=1表示按行迭代，lambda里通过row['number']取出当前行的数字参数。

内容的提问来源于stack exchange，提问作者Artem