如何让Pandas的.apply函数识别raw=True为自身参数而非目标函数参数？

你尝试使用《High Performance Python》（Gorelick和Ozsvald著）第155页提到的pandas.apply的raw=True选项，但Python将该参数视为被应用函数的参数而非.apply自身的参数，执行代码时报错。

最小复现示例：

import pandas as pd

df = pd.DataFrame(columns=('a', 'b'))
df.loc[0] = (1, 2)
df.loc[1] = (3, 4)

df['a'] = df['a'].apply(str, raw=True)

报错信息：

TypeError: 'raw' is an invalid keyword argument for str()

使用lambda或自定义函数时问题依然存在。

核心原因：raw=True是DataFrame.apply()的专属参数，Series.apply()并不支持该参数。你调用的df['a'].apply()是Series对象的方法，Python会把未被Series.apply识别的raw=True传递给目标函数（如str），从而触发参数错误。

针对你的需求，有两种处理方式：

1. 改用DataFrame调用apply（使用双括号选中列，返回DataFrame）
   如果需要利用raw=True的性能优势，需对DataFrame而非Series调用apply，之后再将结果转回Series：

   import pandas as pd
   
   df = pd.DataFrame(columns=('a', 'b'))
   df.loc[0] = (1, 2)
   df.loc[1] = (3, 4)
   
   # 对单列DataFrame调用apply，raw=True生效
   df['a'] = df[['a']].apply(str, raw=True).squeeze()
   

   .squeeze()用于将单列DataFrame转换为Series，匹配原列的格式。

2. 直接使用Series.apply（无需raw参数）
   对于Series的元素处理，raw=True没有意义——因为Series.apply默认每次传递单个元素给目标函数，不需要额外指定raw。直接去掉该参数即可正常运行：

   df['a'] = df['a'].apply(str)
   

补充说明：《High Performance Python》中提到的raw=True场景，是针对DataFrame批量处理行/列数据的情况，此时raw=True会传递numpy数组而非Pandas对象，减少开销提升性能；但Series的处理逻辑本身就是单元素传递，因此没有提供该参数。

内容的提问来源于stack exchange，提问作者Adrian Keister