如何在DataFrame的map方法中无Lambda调用带参数的自定义函数？

不用lambda的话，有几种可行方案：

1. 使用functools.partial固定参数 #

partial可以预先绑定函数的部分参数，生成一个新的可调用对象，刚好适配map的需求：

from functools import partial

# 预先绑定percentage为0.8，生成新函数
summarize_80 = partial(summarize, percentage=.8)
# 直接用map调用新函数
df['summary'] = df['text'].map(summarize_80)

2. 修改原函数为闭包形式 #

调整summarize函数，让它在只传入percentage时返回一个等待text参数的闭包，这样就能直接用map(summarize(percentage=.8))：

# 建议把import放在函数外部，避免重复导入影响效率
import nltk

def summarize(text=None, percentage=.6):
    if text is None:
        # 返回闭包，等待传入text
        def process_text(txt):
            sentences = nltk.sent_tokenize(txt)
            sentences = sentences[:int(percentage*len(sentences))]
            return ''.join(sentences)
        return process_text
    # 正常传入text时的执行逻辑
    sentences = nltk.sent_tokenize(text)
    sentences = sentences[:int(percentage*len(sentences))]
    return ''.join(sentences)

调用方式：

df['summary'] = df['text'].map(summarize(percentage=.8))

3. 使用apply替代map并传递参数 #

pandas的apply方法支持直接传递额外关键字参数，不需要lambda：

df['summary'] = df['text'].apply(summarize, percentage=.8)

内容的提问来源于stack exchange，提问作者Mus