如何将DataFrame前一行的值传入apply()函数？

你可以直接在apply()中通过行索引结合df.loc来访问前一行的a列值，不需要额外创建偏移列。下面是针对你需求的实现方式：

基础实现（Lambda表达式） #

import pandas as pd

l1 = [1,2,3,4,5]
l2 = [3,2,5,4,6]
df = pd.DataFrame(data=l1, columns=['a'])
df['b'] = l2

# 直接在apply中获取前一行的a值，第一行无前置行返回pd.NA
df['c'] = df.apply(lambda row: df.loc[row.name - 1, 'a'] + row['b'] if row.name > 0 else pd.NA, axis=1)
print(df)

输出结果：

a  b     c
0  1  3  <NA>
1  2  2   3.0
2  3  5   7.0
3  4  4   7.0
4  5  6  10.0

复杂条件场景（自定义函数） #

针对你提到的需要条件判断的实际场景，可以封装自定义函数，并将整个DataFrame作为参数传入apply()，方便在函数内灵活访问前一行数据：

def calculate_c(row, df):
    # 处理第一行无前置行的情况
    if row.name == 0:
        return pd.NA
    prev_a = df.loc[row.name - 1, 'a']
    # 这里添加你的条件判断逻辑
    if prev_a >= 3:
        return prev_a + row['b'] + 1  # 示例：前一行a>=3时，结果加1
    else:
        return prev_a + row['b']

df['c_custom'] = df.apply(calculate_c, args=(df,), axis=1)
print(df)

输出结果：

a  b     c  c_custom
0  1  3  <NA>      <NA>
1  2  2   3.0       3.0
2  3  5   7.0       7.0
3  4  4   7.0       8.0
4  5  6  10.0      11.0

关键说明 #

• row.name代表当前行的索引，通过row.name - 1即可定位到前一行的索引
• 使用df.loc[索引, 列名]可以精准获取前一行的指定列值
• 自定义函数需要通过args=(df,)将DataFrame传入，这样函数内部才能访问整个数据集进行逻辑判断

内容的提问来源于stack exchange，提问作者Nili