如何在Pandas DataFrame中应用带双参数的自定义函数？报错求助

尝试在Pandas DataFrame中应用带有两个参数的自定义函数但失败，代码如下：

import pandas as pd

df=pd.DataFrame({'tran_amt_lcy':[40,500,60],'tran_amt_usd':[30,40,50],'client_id':['2001','2033','2045']})

df.dtypes

def test_func(col1,col2):
    if col1>30 & col2<500:
        tran_status='approved'
    else:
        tran_status='declined'
    return tran_status

df['tran_stat']=df.apply(lambda x:test_func(df['tran_amt_usd'],df['tran_amt_lcy']),axis=1)

运行后报错：ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

• 传参逻辑错误：在apply的lambda中，传入了整个df['tran_amt_usd']和df['tran_amt_lcy']（即完整的Series对象），而非当前行的单个数值。这导致test_func接收的是批量数据，执行col1>30这类比较后得到布尔Series，无法直接用于if判断，触发歧义错误。
• 运算符使用错误：函数中用了&（按位与运算符），但针对单个数值的逻辑判断应使用and；&仅适用于Pandas向量级别的元素运算，且需要配合括号分组条件。

方法1：修正apply传参与函数逻辑 #

调整lambda的传参方式，用x['列名']获取当前行对应值，同时修正逻辑运算符：

import pandas as pd

df=pd.DataFrame({'tran_amt_lcy':[40,500,60],'tran_amt_usd':[30,40,50],'client_id':['2001','2033','2045']})

def test_func(col1,col2):
    if col1>30 and col2<500:
        return 'approved'
    else:
        return 'declined'

# 传入当前行的列值而非整个Series
df['tran_stat']=df.apply(lambda x:test_func(x['tran_amt_usd'], x['tran_amt_lcy']), axis=1)

执行后生成的结果：

方法2：使用向量化操作（推荐，效率更高） #

对于简单判断逻辑，避免用apply（逐行处理效率低），直接用Pandas向量运算实现：

import pandas as pd
import numpy as np

df=pd.DataFrame({'tran_amt_lcy':[40,500,60],'tran_amt_usd':[30,40,50],'client_id':['2001','2033','2045']})

# 向量级条件判断，&需配合括号分组
df['tran_stat'] = np.where(
    (df['tran_amt_usd']>30) & (df['tran_amt_lcy']<500),
    'approved',
    'declined'
)

该方式为批量处理，更适合大数据量场景。

内容的提问来源于stack exchange，提问作者Tony Tang