DataFrame逐行应用函数异常：全列返回draw问题排查

嘿，我看出来你代码里的问题啦，这两个小错误导致所有结果都是draw：

问题1：对apply的参数理解错了 #

你写的函数里把x当成了行索引，用new_df.iloc[x]去取整行数据，但实际上当你用apply处理行的时候（需要指定axis=1），传入函数的x是当前行的Series对象，不是行号。而且你原来的调用df['winner_columns'].apply(winner)是在对空列（或已有列）按列处理，完全不是你想要的每行计算逻辑。

问题2：直接取value_counts()的键有风险 #

如果某行里没有'a'或者'b'，直接写value_counts()['a']会抛出KeyError，用get方法设置默认值0会更安全。

修正后的代码 #

先改函数逻辑，直接对传入的行Series做统计：

def winner(row):
    # 统计当前行中'a'的数量，没有则返回0
    count_a = row.value_counts().get('a', 0)
    # 统计当前行中'b'的数量，没有则返回0
    count_b = row.value_counts().get('b', 0)
    
    if count_a > count_b:
        return 'a'
    elif count_a < count_b:
        return 'b'
    else:
        return 'draw'

然后正确调用apply，指定按行处理（axis=1），并把结果赋值给新列：

# 假设你的原始DataFrame名为df
df['winner_columns'] = df.apply(winner, axis=1)

验证结果 #

用你给出的示例数据测试，运行后会得到完全符合预期的结果：

更简洁的替代方案（无需自定义函数） #

如果想少写点代码，也可以用eq和sum直接统计票数，再用lambda判断结果：

# 统计每行a和b的票数
df['count_a'] = df.eq('a').sum(axis=1)
df['count_b'] = df.eq('b').sum(axis=1)

# 生成winner列
df['winner_columns'] = df.apply(
    lambda row: 'a' if row['count_a'] > row['count_b'] 
                else ('b' if row['count_a'] < row['count_b'] else 'draw'),
    axis=1
)

# 可选：删除中间的计数列
df = df.drop(['count_a', 'count_b'], axis=1)

这种方式在数据量较大时，效率可能比自定义函数更高哦～

内容的提问来源于stack exchange，提问作者CarterB