如何将DataFrame整列传入lambda调用的capm函数而非逐行传值？

你不需要用apply(axis=1)逐行传递单个数值，直接把两列整列作为参数传入capm函数即可——毕竟线性回归需要的是一组自变量和因变量序列，而非单个值。

基础版（全局计算单个beta） #

先纠正你代码里的函数名笔误（camp应该是capm），然后修改调用逻辑：

# 定义capm函数，接收两个Series类型的列数据
def capm(excess_ret, mkt_exc_ret):
    # 这里写线性回归计算beta的代码，比如用statsmodels实现
    import statsmodels.api as sm
    # 给自变量添加常数项
    X = sm.add_constant(mkt_exc_ret)
    # 拟合OLS模型
    model = sm.OLS(excess_ret, X).fit()
    # 返回beta值（即市场超额收益对应的系数）
    return model.params[1]

# 直接传入整列数据计算beta，赋值给新列
df_final_data['beta'] = capm(df_final_data['Excess_ret'], df_final_data['Mkt_Exc_ret'])

分组版（按维度计算多个beta） #

如果你的DataFrame需要按某个维度（比如不同股票、不同行业）分别计算beta，就用groupby结合apply，此时每个分组的子DataFrame会被传入函数，你可以在函数内提取对应列处理：

def capm_by_group(group_df):
    X = sm.add_constant(group_df['Mkt_Exc_ret'])
    model = sm.OLS(group_df['Excess_ret'], X).fit()
    return model.params[1]

# 比如按Stock_Code分组，给每个组计算beta
df_final_data['beta'] = df_final_data.groupby('Stock_Code').apply(capm_by_group).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者loyala