Pandas处理空DataFrame调用apply的最佳实践咨询

我在Pandas代码里常用一种模式：创建逐行应用的函数来生成新列，示例代码如下：

def apply_function(row):
   if row["A"] == "valueA":
      return "foo"
   elif row["B"] == "valueB":
      return "bar"
   else: 
      return "baz"

df["applied_column"] = df.apply(apply_function, axis=1)

当DataFrame不为空时，这段代码能正常运行；但如果df是空的，apply会返回一个DataFrame，导致赋值时抛出异常。

我现在用下面的样板代码处理：

if not df.empty:
    df["applied_column"] = df.apply(apply_function, axis=1)
else:
    df["applied_column"] = None 

但这种写法不够优雅，我想知道这是不是Pandas处理该场景的标准方式，有没有更优的实践方案？

直接判断空DataFrame的写法不算标准最优解，有几种更简洁优雅且规范的方式：

1. 指定apply的返回类型（推荐） #

在apply时通过result_type参数强制返回Series，即使DataFrame为空，也能正常完成赋值：

df["applied_column"] = df.apply(apply_function, axis=1, result_type="reduce")

result_type="reduce"会确保返回一维的Series，空DataFrame下会得到空Series，赋值时不会报错，且列的类型能和非空情况保持一致（不会出现None导致的object类型混乱）。

2. 用assign实现链式操作 #

如果偏好链式代码风格，可以结合assign和条件判断，写法更紧凑：

import pandas as pd

df = df.assign(
    applied_column=df.apply(apply_function, axis=1) if not df.empty else pd.Series(dtype=str)
)

这里指定空Series的类型和非空时的返回类型一致（比如示例中的str），保证列类型统一。

3. 替换apply为矢量化操作（性能最优） #

apply逐行处理性能较差，尤其是数据量大的场景，建议用矢量化的numpy.select或者Pandas原生方法替代：

import numpy as np

conditions = [
    df["A"] == "valueA",
    df["B"] == "valueB"
]
choices = ["foo", "bar"]

df["applied_column"] = np.select(conditions, choices, default="baz")

这种方式完全矢量化，空DataFrame下也能直接生成对应类型的空列，没有异常问题，同时性能比apply提升数倍甚至数十倍。

内容的提问来源于stack exchange，提问作者Fernando Jesus Garcia Hipola