Python中apply函数报‘对象不可迭代’错误，如何处理行时引用前后行值？

原代码的核心问题是在apply的行处理函数内部反复调用df.shift()，这会导致每次处理一行都要对整个DataFrame执行移位操作，既浪费性能，也容易因为数据上下文的问题触发错误。另外，第一行的前一行、最后一行的后一行都是NaN值，直接计算也会得到NaN，需要的话可以额外处理。

以下是两种可行的解决方案：

方案一：用矢量化操作替代apply（推荐） #

Pandas的矢量化操作比逐行apply高效得多，提前生成前一行和后一行的列，直接进行列级计算：

import pandas as pd

data = {
    'A': [1, 1, 1, 1, 1],
    'B': [6, 7, 8, 9, 10]
}
df = pd.DataFrame(data)

# 提前生成前一行、后一行的列
df['prev_A'] = df['A'].shift(1)
df['prev_B'] = df['B'].shift(1)
df['next_A'] = df['A'].shift(-1)
df['next_B'] = df['B'].shift(-1)

# 直接计算结果列
df['x'] = ((df['prev_B'] - df['prev_A']) - (df['next_B'] - df['next_A']))

# 按需保留或删除临时列
df = df[['A', 'B', 'x']]
print(df)

输出结果：

A   B    x
0  1   6  NaN
1  1   7 -1.0
2  1   8 -1.0
3  1   9 -1.0
4  1  10  NaN

方案二：改进apply的用法（若必须用apply） #

如果一定要用apply，不要在函数内部调用df.shift()，而是提前把移位后的列加入DataFrame，在处理函数中直接访问当前行的这些列：

import pandas as pd

data = {
    'A': [1, 1, 1, 1, 1],
    'B': [6, 7, 8, 9, 10]
}
df = pd.DataFrame(data)

# 提前添加前后行的列
df['prev_A'] = df['A'].shift(1)
df['prev_B'] = df['B'].shift(1)
df['next_A'] = df['A'].shift(-1)
df['next_B'] = df['B'].shift(-1)

def process_row(row):
    prev_value_A = row['prev_A']
    prev_value_B = row['prev_B']
    next_value_A = row['next_A']
    next_value_B = row['next_B']
    
    return ((prev_value_B - prev_value_A) - (next_value_B - next_value_A))

# 应用函数到每行，生成新列
df['x'] = df.apply(process_row, axis=1)

df = df[['A', 'B', 'x']]
print(df)

补充说明 #

• 第一行和最后一行的结果是NaN，因为第一行没有前一行，最后一行没有后一行，如果需要填充这些值，可以用df['x'].fillna(0, inplace=True)之类的操作处理。
• 矢量化操作是Pandas的最佳实践，处理大数据集时性能比apply高几个数量级，优先选用方案一。

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