如何在Pandas DataFrame列中应用自定义函数处理浮点数？

错误原因 #

你确实用错了apply()：

• df['location y'][index]取到的是单个numpy.float64数值，而apply()是Pandas的Series/DataFrame专属方法，单个数值没有这个属性，所以触发报错。
• 完全没必要手动循环索引处理每一行，Pandas的核心设计就是批量处理整列/整表，循环反而会降低效率。

修正步骤 #

1. 先修复自定义函数的问题 #

你的函数存在两个小漏洞：

• change_y里的[(num) - 470]是列表格式，会导致计算结果变成列表类型，要改成普通数值运算
• else分支没有返回值，会让未触发条件的数值变成NaN，必须返回原数值

修正后的函数：

def change_y(num):
    if num > 470:
        num = 470 - (num - 470)  # 去掉方括号，改为普通减法
        return num
    else:
        return num  # 返回原数值，避免生成NaN

def change_x(num):
    if num < 250:
        num = (250 - num) + 250
        return num
    elif num > 250:
        num = 250 - (num - 250)
        return num
    else:
        return num  # 返回原数值

2. 正确使用apply()处理整列 #

直接对整列调用apply()，无需循环索引：

# 先把字典转为真正的DataFrame（你原代码里的df是字典，需要先转换）
import pandas as pd
df = pd.DataFrame({
    'location x': [107.0, 254.0, 52.0, 640.0, 882.0],
    'location y': [252.0, 56.0, 250.0, 86.0, 318.0]
})

# 直接对整列应用函数，可选择覆盖原列或生成新列
df['location y'] = df['location y'].apply(change_y)
df['location x'] = df['location x'].apply(change_x)

# 查看处理结果
print(df)

3. 更高效的替代方案：矢量化操作 #

apply()本质还是逐行处理，针对大规模数据，用矢量化操作速度更快：

import numpy as np

# 处理location x
df['location x'] = np.where(
    df['location x'] < 250, 
    (250 - df['location x']) + 250, 
    np.where(df['location x'] > 250, 250 - (df['location x'] - 250), df['location x'])
)

# 处理location y
df['location y'] = np.where(df['location y'] > 470, 470 - (df['location y'] - 470), df['location y'])

最终处理结果 #

运行代码后得到的DataFrame：

location x  location y
0       393.0       252.0
1       246.0        56.0
2       448.0       250.0
3      -140.0        86.0
4      -382.0       318.0

内容的提问来源于stack exchange，提问作者corey_h199