AttributeError报错：'float'对象无'tail'属性，DataFrame新列计算问题

错误原因 #

• 用df.apply(axis=1)时，lambda里的x是DataFrame的单行数据，x['D']是单个浮点数，根本没有tail()方法，这就是报错的直接原因。
• 你要计算的是D列全局最后7个值的均值，这个值不需要逐行重复计算，原来的代码完全搞错了计算对象。

正确解决方案 #

先单独算出D列最后7个值的均值，再用列运算生成S列（比apply高效得多）：

方法1：条件判断写法 #

import numpy as np
import pandas as pd

# 计算D列最后7个值的均值
d_last7_mean = df['D'].tail(7).mean()

# 生成新列S，处理除以0的情况
if d_last7_mean == 0:
    df['S'] = np.inf
else:
    df['S'] = (df['E'] + df['I'] - df['D']) / d_last7_mean

方法2：用np.where简化 #

import numpy as np
import pandas as pd

d_last7_mean = df['D'].tail(7).mean()
df['S'] = np.where(d_last7_mean == 0, np.inf, (df['E'] + df['I'] - df['D']) / d_last7_mean)

补充说明 #

• 别用apply(axis=1)做这种全局计算的列生成，pandas的列向量运算速度比逐行apply快几十倍，逻辑也更清晰。
• 你担心的inf值，这里通过判断均值是否为0直接设置，完全可以解决。

内容的提问来源于stack exchange，提问作者Triz