如何在Pandas函数中传入列名实现按列与字典值相乘？

方法1：修正apply调用（兼容你的自定义函数） #

你原来的代码错误使用了x.column，Series对象的列名属性是name。当df.apply默认按列（axis=0）处理时，每个传入lambda的x是对应列的Series，x.name就是商品名称（列名），修正后的调用如下：

import pandas as pd

df = pd.DataFrame({'banana': [1, 8], 'apple': [3, 6]}, index=['2023-01-01', '2023-01-02'])
price_dict = {'banana': 10, 'apple': 100}

def get_sales(quantity, fruit):
    return price_dict[fruit] * quantity

# 修正后的apply调用
df_sales = df.apply(lambda x: get_sales(x, x.name))
print(df_sales)

输出结果：

banana  apple
2023-01-01       10    300
2023-01-02       80    600

方法2：更高效的向量化操作（推荐） #

不需要自定义函数，直接利用pandas的广播特性，将价格字典转为Series后与原DataFrame相乘，这种方法比apply的循环操作效率高得多，适合大数据量场景：

import pandas as pd

df = pd.DataFrame({'banana': [1, 8], 'apple': [3, 6]}, index=['2023-01-01', '2023-01-02'])
price_dict = {'banana': 10, 'apple': 100}

# 将价格字典转为Series，自动匹配列名
price_series = pd.Series(price_dict)
df_sales = df * price_series
print(df_sales)

输出结果和上面一致。

内容的提问来源于stack exchange，提问作者Filledille