Pandas函数应用问题：基于条件为DataFrame添加新列

原代码的问题点 #

• apply调用错误：你写的df.apply(rule(df, dfPP), axis=1)是直接执行了rule函数，而非将函数对象传递给apply。正确方式是传递函数名，并用args参数传入额外的dfPP。
• 类型不匹配：df['Nums']中的元素是字符串（如'89'），但dfPP['Num']是整数（89），直接使用isin会无法匹配。
• 逻辑错误：原函数的条件判断不符合需求，应该先根据Ser匹配dfPP中对应的SerPP行，再检查该行的Num是否存在于当前行的Nums列表中。

修正后的apply实现方案 #

import pandas as pd

df = pd.DataFrame({ 'Nums':[ ['89' ,'1'], ['89'],['7', '23'],['7', '89', '13','11']], 'Ser': [88858, 54321, 88858, 98547]})
dfPP = pd.DataFrame({ 'Num':[ 5 ,89, 23, 13], 'SerPP': [12345, 54321, 88858, 98547]})

def rule(row, dfPP):
    # 筛选出与当前行Ser匹配的dfPP记录
    matched_rows = dfPP[dfPP['SerPP'] == row['Ser']]
    # 遍历匹配记录，检查Num转字符串后是否在Nums列表中
    for _, pp_row in matched_rows.iterrows():
        num_str = str(pp_row['Num'])
        if num_str in row['Nums']:
            return [num_str]
    # 无匹配则返回['0']
    return ['0']

# 用apply传递函数，args参数传入dfPP
df['New'] = df.apply(rule, args=(dfPP,), axis=1)
print(df)

执行后输出符合预期：

Nums    Ser    New
0          ['89', '1']  88858   ['0']
1                ['89']  54321  ['89']
2           ['7', '23']  88858  ['23']
3  ['7', '89', '13', '11']  98547  ['13']

更高效的向量化实现（推荐大数据量使用） #

apply本质是逐行循环，数据量大时效率较低，推荐用向量化方法实现：

import pandas as pd

df = pd.DataFrame({ 'Nums':[ ['89' ,'1'], ['89'],['7', '23'],['7', '89', '13','11']], 'Ser': [88858, 54321, 88858, 98547]})
dfPP = pd.DataFrame({ 'Num':[ 5 ,89, 23, 13], 'SerPP': [12345, 54321, 88858, 98547]})

# 将dfPP的Num转为字符串，统一类型方便匹配
dfPP['Num_str'] = dfPP['Num'].astype(str)
# 基于Ser和SerPP合并两个DataFrame
merged_df = df.merge(dfPP, left_on='Ser', right_on='SerPP', how='left')
# 标记每个合并行是否满足Num_str在Nums中的条件
merged_df['is_match'] = merged_df.apply(lambda x: x['Num_str'] in x['Nums'] if pd.notna(x['Num_str']) else False, axis=1)
# 按原df的行索引分组，提取匹配的Num_str，无匹配则返回['0']
df['New'] = merged_df.groupby(merged_df.index)['Num_str'].apply(lambda x: [x[x].iloc[0]] if any(x) else ['0'])

print(df)

内容的提问来源于stack exchange，提问作者user534280