如何创建可接收DataFrame及列的Python可复用函数？

你当前的伪代码存在两个问题，没法直接按tb_mend_format(df1, df['Key'])的方式正常工作：

• 函数里的df[col]逻辑矛盾：如果传入的col是df['Key']（即Pandas Series对象），df[col]会因索引不匹配报错，且此时df参数完全冗余；
• df[col][:3]是取该列的前3行数据，不是判断每个元素的前3个字符，逻辑不符合需求。

要实现你想要的调用方式（传入Series），可以直接把函数改成接收Series参数，去掉冗余的DataFrame参数，同时修正元素级的判断逻辑：

实现方式1（apply逐元素处理） #

def tb_mend_format(series):
    return series.apply(lambda x: 'TB ' + x[7:] if x.startswith('TBK') else x)

调用示例：

# 处理df1的Key列，得到新的Series
formatted_col = tb_mend_format(df1['Key'])
# 把结果加回原DataFrame
df1['Formatted_Key'] = formatted_col

实现方式2（矢量化操作，效率更高） #

如果数据量较大，推荐用Pandas的矢量化字符串方法，比apply更快：

def tb_mend_format(series):
    # 复制原Series避免修改原数据
    result = series.copy()
    # 筛选出以'TBK'开头的元素
    mask = result.str.startswith('TBK')
    # 对符合条件的元素做格式调整
    result[mask] = 'TB ' + result[mask].str[7:]
    return result

如果你更倾向于传入DataFrame+列名字符串的方式（比如tb_mend_format(df1, 'Key')），函数可以这么写：

def tb_mend_format(df, col_name):
    series = df[col_name]
    mask = series.str.startswith('TBK')
    result = series.copy()
    result[mask] = 'TB ' + result[mask].str[7:]
    return result

调用时直接传列名字符串即可，同样可以把结果赋值回原DataFrame。

内容的提问来源于stack exchange，提问作者R Sta