Pandas：基于mean和stdev列条件计算LV列的lambda函数问题

你的代码存在几个关键问题：

• lambda语法错误：lambda只能写单行表达式，不能用多行的if-elif-else加变量赋值的结构。
• 逻辑匹配错误：data_mean和data_stdev是整列的Series，不是当前行的数值，直接在lambda里调用会导致整体比较，而非逐行计算。
• 冗余操作：用apply逐行处理效率低，Pandas更适合用向量化操作实现这类逻辑。

修复方案1：修正apply与lambda的写法 #

如果一定要用apply，需要把每行的均值和标准差传入lambda，或者提前把data_mean、data_stdev合并到DataFrame中，再逐行处理：

import pandas as pd

data = {
        'A':[1, 2, 3],
        'B':[4, 5, 6],
        'C':[7, 8, 9] }

df = pd.DataFrame(data)

# 把均值和标准差作为新列加入DataFrame
df['mean'] = df.mean(axis=1)
df['stdev'] = df.std(axis=1)

# 用lambda实现单行的三目运算逻辑
df['LV'] = df.apply(
    lambda row: (55.5 - row['mean']) + 3.1 * row['stdev'] if row['mean'] < 55.5 
    else (row['mean'] - 57.5) + 3.1 * row['stdev'] if row['mean'] > 57.5 
    else 3.1 * row['stdev'],
    axis=1
)

print(df)

修复方案2：向量化操作（更高效） #

Pandas的向量化操作比apply快得多，尤其适合大数据集，用numpy.where或者直接布尔索引实现：

import pandas as pd
import numpy as np

data = {
        'A':[1, 2, 3],
        'B':[4, 5, 6],
        'C':[7, 8, 9] }

df = pd.DataFrame(data)

data_mean = df.mean(axis=1)
data_stdev = df.std(axis=1)

# 用numpy.where嵌套实现多条件逻辑
df['LV'] = np.where(
    data_mean < 55.5,
    (55.5 - data_mean) + 3.1 * data_stdev,
    np.where(
        data_mean > 57.5,
        (data_mean - 57.5) + 3.1 * data_stdev,
        3.1 * data_stdev
    )
)

print(df)

运行结果（两种方案输出一致）：

A  B  C  mean     stdev        LV
0  1  4  7   4.0  3.000000  9.300000
1  2  5  8   5.0  3.000000  9.300000
2  3  6  9   6.0  3.000000  9.300000

内容的提问来源于stack exchange，提问作者Bennet Turner