Pandas中apply函数处理DataFrame多列时报错的问题求助

你大概率是用了apply处理多列，但你的函数是针对单个值编写的——apply处理多列时，默认会把每一列当成一个Series传给函数，而非逐个元素传入，这就导致了报错。

给你几个可行的解决方案：

方案1：用applymap代替apply #

这是最直接的修改，applymap会对DataFrame里的每个元素单独应用你的函数，和单列用apply的逻辑完全一致：

def replace_yn(val):
    if val == 'yes':
        return 0
    elif val == 'no':
        return 1
    # 可选：处理非yes/no的情况，避免返回None
    return val

# 对指定多列应用函数
df[['col1', 'col2', 'col3']] = df[['col1', 'col2', 'col3']].applymap(replace_yn)

方案2：直接用pandas的replace方法（更高效） #

没必要写自定义函数，pandas自带的replace可以直接批量替换，性能更好：

# 对指定多列替换yes为0，no为1
df[['col1', 'col2']] = df[['col1', 'col2']].replace({'yes': 0, 'no': 1})

方案3：修改函数适配Series（如果一定要用apply） #

如果坚持要用apply，可以把函数改成处理Series的形式，用map逐个处理元素：

def replace_yn_col(col):
    return col.map(lambda x: 0 if x == 'yes' else 1 if x == 'no' else x)

df[['col1', 'col2']] = df[['col1', 'col2']].apply(replace_yn_col)

优先选方案2，代码简洁还高效；如果有特殊逻辑需要自定义函数，就用方案1。

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