使用Lambda对Pandas DataFrame执行元素级常量数组运算时出现广播错误的原因排查

这个错误的核心是你误解了DataFrame.apply()的默认处理逻辑，咱们一步步拆解清楚：

为什么Lambda写法会报错？ #

默认情况下，df.apply()是按列处理数据的——也就是说，每次传入lambda函数的x是DataFrame中的某一列（比如你的例子里，第一次是x列的Series([1,2,3,4,5,6])，长度为6；第二次是y列的Series([11,22,...66])，长度也是6）。

当你尝试让一个长度为6的Series和长度为2的列表[5,10]做加法时，Pandas的广播机制无法匹配这两个形状（(6,)和(2,)），所以抛出了ValueError。

而你的循环写法是按行处理的：每次取一行（长度为2的Series），和[5,10]逐元素相加，形状完全匹配，所以能正常运行。

正确的Lambda写法 #

要让apply()按行处理，只需要添加axis=1参数，这样每次传入lambda的x就是一行数据（长度为2的Series），和[5,10]可以完美匹配：

print(d.apply(lambda x: x + [5, 10], axis=1))

执行这段代码就能得到你预期的结果：

x   y
0  6  21
1  7  32
2  8  43
3  9  54
4 10  65
5 11  76

更高效的替代方案（推荐） #

其实在Pandas里，尽量避免用apply（尤其是按行的apply），因为它本质上还是循环，效率远低于Pandas的向量化操作。你可以直接对整列做加法，代码更简洁高效：

# 直接修改原DataFrame
d['x'] += 5
d['y'] += 10
print(d)

# 或者创建新的DataFrame，不修改原数据
transformed = d.assign(x=d['x'] + 5, y=d['y'] + 10)
print(transformed)

这种向量化操作是Pandas的最优实践，处理大型数据集时性能差距会非常明显。

内容的提问来源于stack exchange，提问作者Lourenco