为何无法在DataFrame的lambda计算中使用Series值？

问题背景 #

我尝试创建一个基础函数，接收三个索引为日期的pd.Series对象，返回包含一列值的DataFrame。示例Series数据如下：

Date
2022-04-26    4.500
2022-04-27    4.460
2022-04-28    4.540
2022-04-29    4.750
2022-05-02    4.340
              ...
2023-04-20    4.045
2023-04-21    3.990
2023-04-24    3.950
2023-04-25    3.840
2023-04-26    3.880

调用函数时出现以下错误：

TypeError: Indexing a Series with DataFrame is not supported, use the appropriate DataFrame column

出错代码：

def standard_pivot(high: pd.Series, low: pd.Series, close: pd.Series) -> pd.DataFrame:
    """
    Returns a `DataFrame` object containing the standard pivot point column.
    """

    date_arr = close.index.tolist()
    pivot_df = pd.DataFrame(index=date_arr)

    pivot_df = pivot_df.assign(pivot=lambda x: (high[x] + low[x] + close[x])/3)
    
    return pivot_df

使用环境：Python 3.9.5、Pandas 2.0.1

错误原因 #

在assign的lambda函数里，参数x是当前的空DataFramepivot_df，你用high[x]试图用DataFrame去索引Series，而Pandas不允许用DataFrame对象作为Series的索引，这就是报错的核心原因。

修复方案 #

方法一：利用Series索引对齐直接计算（推荐） #

Pandas的Series算术运算会自动按索引对齐，直接计算后转成DataFrame即可，无需手动处理索引：

def standard_pivot(high: pd.Series, low: pd.Series, close: pd.Series) -> pd.DataFrame:
    """
    Returns a `DataFrame` object containing the standard pivot point column.
    """
    pivot_series = (high + low + close) / 3
    return pivot_series.to_frame(name='pivot')

方法二：保留assign写法的优化 #

先将三个Series合并到DataFrame中，再基于DataFrame的列进行计算：

def standard_pivot(high: pd.Series, low: pd.Series, close: pd.Series) -> pd.DataFrame:
    """
    Returns a `DataFrame` object containing the standard pivot point column.
    """
    pivot_df = pd.DataFrame({'high': high, 'low': low, 'close': close})
    pivot_df = pivot_df.assign(pivot=lambda x: (x['high'] + x['low'] + x['close'])/3)
    return pivot_df[['pivot']]

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