Pandas中对DataFrame各列执行指定计算报错，求解决方案

错误原因 #

你的代码有两个核心问题：

1. 误用axis=1参数：apply(axis=1)会让函数按行处理数据，但你需要的是按列计算中位数并转换列值。
2. Python内置min()不支持元素级比较：min(5, ((x-col_median)/col_median))中，((x-col_median)/col_median)是Series类型，Python原生min()无法直接对标量和Series做逐元素最小值计算，从而抛出"真值模糊"的错误。

解决方案 #

1. 处理单列的正确代码 #

使用numpy的np.minimum()实现元素级最小值计算，或者用pandas的clip()截断上限：

方法一：用np.minimum()

import numpy as np

col_median = data['col'].median()
data['col'] = 10 + np.minimum(5, ((data['col'] - col_median)/col_median)) * 20

方法二：用clip()（更直观）

clip(upper=5)会把所有大于5的值截断为5，和min(5, x)效果完全一致：

col_median = data['col'].median()
norm_val = ((data['col'] - col_median)/col_median).clip(upper=5)
data['col'] = 10 + norm_val * 20

2. 处理所有列的通用代码 #

用apply()按列遍历，给每列应用转换逻辑：

import numpy as np

def transform_column(col):
    col_median = col.median()
    norm_val = np.minimum(5, ((col - col_median)/col_median))
    return 10 + norm_val * 20

# 对DataFrame所有列执行转换
data = data.apply(transform_column)

说明 #

• np.minimum(a, b)：numpy提供的元素级最小值函数，支持标量与Series、Series与Series的逐元素比较，返回对应位置的最小值。
• apply()默认axis=0，会逐列将数据传入函数，不需要额外指定axis参数。

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