如何用Pandas apply函数按行传多列数据到自定义函数生成新列

你的需求是将DataFrame中['A','B','C']三列作为列表参数x，Val列作为参数y传入自定义函数f，生成新列Result。先修正你现有代码的错误，再给出两种符合需求的实现方式：

错误点说明 #

你当前的apply调用里，axis=1参数被错误地放在了lambda函数内部，它应该是df.apply()的参数，用于指定按行处理数据。

正确实现方式 #

方式1：直接传入Series（兼容sum操作） #

你的函数f中使用了sum(x)，而Pandas的Series本身支持sum()方法，因此可以直接将row[['A','B','C']]这个Series传给参数x，无需额外转换：

df['Result'] = df.apply(lambda row: f(row[['A','B','C']], row['Val']), axis=1)

方式2：明确转换为列表（满足列表参数需求） #

如果需要严格将x以列表形式传入函数，只需给Series添加tolist()方法完成转换：

df['Result'] = df.apply(lambda row: f(row[['A','B','C']].tolist(), row['Val']), axis=1)

完整可运行代码 #

将修正后的代码整合到你的示例中，完整代码如下：

import pandas as pd
cols=['Name','A','B','C','Type','Val']
data = [['Front',1,2,3,'Up',11],
        ['Front',4,5,6,'Dw',22]]
df = pd.DataFrame(data, columns=cols)

def f(x,y):
    return sum(x)*y

# 以方式2为例（转列表）
df['Result'] = df.apply(lambda row: f(row[['A','B','C']].tolist(), row['Val']), axis=1)
print(df)

运行后输出与你期望的结果一致：

Name  A  B  C Type  Val  Result
0  Front  1  2  3   Up   11      66
1  Front  4  5  6   Dw   22     330

补充提示 #

• 使用axis=1时，apply会将每一行数据封装为Series传递给lambda的row参数；
• 若自定义函数对参数类型有严格要求（必须是列表），则用tolist()转换；若函数兼容Series（如sum、max等通用操作），直接传Series更简洁；
• 注意lambda函数的参数顺序要与f的参数定义对应，避免传参错误。

内容的提问来源于stack exchange，提问作者dingo