如何在Python中按列名自动匹配参数为DataFrame行应用函数？

你可以利用pandas的apply结合**字典解包的方式，让函数自动匹配列名对应的参数，无需手动指定每个参数。具体实现如下：

方法1：apply配合字典解包 #

由于apply传入的row对象可转换为字典（row.to_dict()），使用**将字典解包为函数的关键字参数后，函数会自动根据参数名匹配对应的列值：

df['result_f1'] = df.apply(lambda row: f1(**row.to_dict()), axis='columns')
df['result_f2'] = df.apply(lambda row: f2(**row.to_dict()), axis='columns')

运行后得到的结果：

print(df)
#    A  B  C  result_f1  result_f2
# 0  1  2  3          4          1
# 1  4  5  6         10          1
# 2  7  8  9         16          1

这种方式不需要手动指定每个参数，只要函数参数名和DataFrame列名一致，就能自动完成匹配。

方法2：封装通用工具函数 #

如果需要多次调用不同函数，可以封装一个通用函数，减少重复代码：

def apply_func(df, func):
    return df.apply(lambda row: func(**row.to_dict()), axis='columns')

# 调用示例
df['result_f1'] = apply_func(df, f1)
df['result_f2'] = apply_func(df, f2)

补充说明 #

虽然apply的效率不如向量化操作，但如果函数逻辑复杂、暂时无法实现向量化，这种方式既能保证代码简洁，又能保留原有函数定义便于调试，和R语言中pmap的使用逻辑一致。

内容的提问来源于stack exchange，提问作者Yann