使用Pandas apply lambda带条件填充列时遇TypeError求助

错误原因 #

你的代码存在两个核心问题：

1. apply作用对象错误：调用df['AdjPrice'].apply()时，lambda函数的参数x是AdjPrice列的单个元素（当前为空字符串），并非整行数据，因此x['Timestamp']会触发TypeError——字符串无法用列名作为索引。
2. 日期类型未统一：Timestamp列还是字符串格式，直接与mydate（datetime对象）比较会导致逻辑错误，必须先将其转换为datetime类型才能正确比较日期大小。

正确实现方案 #

以下是三种高效的实现方式，优先推荐方法二和方法三（性能优于逐行apply）：

方法1：逐行处理（apply指定axis=1） #

import pandas as pd

# 1. 将Timestamp列转换为datetime类型，匹配格式定义
df['Timestamp'] = pd.to_datetime(df['Timestamp'], format='%d/%m/%Y')
# 2. 定义目标日期
mydate = pd.to_datetime("1/5/2022", format='%d/%m/%Y')
# 3. 逐行处理，axis=1表示按行传递数据
df['AdjPrice'] = df.apply(lambda row: row['Price'] * 0.15 if row['Timestamp'] < mydate else row['Price'], axis=1)

方法2：向量化处理（numpy.where，性能最优） #

import pandas as pd
import numpy as np

# 统一日期类型
df['Timestamp'] = pd.to_datetime(df['Timestamp'], format='%d/%m/%Y')
mydate = pd.to_datetime("1/5/2022", format='%d/%m/%Y')
# 向量化条件赋值，避免逐行循环
df['AdjPrice'] = np.where(df['Timestamp'] < mydate, df['Price'] * 0.15, df['Price'])

方法3：分片赋值（loc索引） #

import pandas as pd

# 统一日期类型
df['Timestamp'] = pd.to_datetime(df['Timestamp'], format='%d/%m/%Y')
mydate = pd.to_datetime("1/5/2022", format='%d/%m/%Y')
# 先给所有行默认赋值Price
df['AdjPrice'] = df['Price']
# 对符合条件的行更新值
df.loc[df['Timestamp'] < mydate, 'AdjPrice'] = df['Price'] * 0.15

最终效果 #

执行后AdjPrice列会被正确填充：

内容的提问来源于stack exchange，提问作者GMT