Pandas中Lambda调用带多参数自定义函数报错问题求助

错误原因 #

你的WeightedScore函数仅定义了两个参数x和probs，但调用时传入了3个位置参数（x['A'], x['B'], x['C']）+ 关键字参数probs，导致probs被同时通过位置（第二个位置参数x['B']）和关键字传递，触发了参数重复赋值的错误。

解决方法 #

方法1：修正函数调用方式

将A/B/C列打包为一个序列传给x参数，让函数能通过索引获取对应值：

def WeightedScore(x, probs):
    total = 0
    for i in range(len(probs)):
        total += x[i]*probs[i]
    return total

df['out'] = df.apply(lambda x: WeightedScore(x[['A', 'B', 'C']], probs=(0.2, 0.3, 0.5)), axis=1)

方法2：优化函数，用numpy点积简化计算

替换手动循环，利用numpy的点积函数直接计算加权和：

import numpy as np

def WeightedScore(x, probs):
    return np.dot(x, probs)

df['out'] = df.apply(lambda x: WeightedScore(x[['A', 'B', 'C']], (0.2, 0.3, 0.5)), axis=1)

方法3：用向量运算替代apply（推荐，效率更高）

apply是逐行处理，大数据集下效率低，直接用pandas的向量运算实现：

weights = (0.2, 0.3, 0.5)
# 写法1：直接列与权重相乘求和
df['out'] = df['A']*weights[0] + df['B']*weights[1] + df['C']*weights[2]

# 写法2：更灵活的矩阵点积（适合多列场景）
df['out'] = df[['A','B','C']].dot(weights)

内容的提问来源于stack exchange，提问作者DaCard