如何无需重复调用apply，对同一DataFrame列应用多自定义函数？

方法1：封装统一处理函数 #

将所有文本处理逻辑（包括正则替换）整合到一个函数中，仅调用一次apply即可完成所有操作，代码更简洁易维护：

import re

def process_text(x):
    # 按顺序执行自定义替换
    x = replace_date(x)
    x = replace_name(x)
    x = replace_occupation(x)
    # 执行空格清理
    x = re.sub(' +', ' ', x)
    return x

# 一次性应用到目标列
df['mod'] = df['info'].apply(process_text)

方法2：函数组合（函数式编程风格） #

如果偏好函数式写法，可使用functools.compose将多个处理函数组合，再一次性应用：

from functools import compose
import re

# 将正则清理封装为单独函数/匿名函数
clean_space = lambda x: re.sub(' +', ' ', x)

# compose按从右到左的顺序执行函数，需匹配原逻辑顺序
process_func = compose(clean_space, replace_occupation, replace_name, replace_date)

df['mod'] = df['info'].apply(process_func)

方法3：pandas pipe（适用于多列/复杂场景） #

若需扩展到多列或更复杂的DataFrame操作，可使用pipe链式调用，但针对单列场景前两种方法更高效：

import re

def pipe_replace_date(df, col):
    df[col] = df[col].apply(replace_date)
    return df

def pipe_replace_name(df, col):
    df[col] = df[col].apply(replace_name)
    return df

def pipe_replace_occupation(df, col):
    df[col] = df[col].apply(replace_occupation)
    return df

def pipe_clean_space(df, col):
    df[col] = df[col].apply(lambda x: re.sub(' +', ' ', x))
    return df

# 初始化列后链式调用pipe
df['mod'] = df['info'].copy()
df = df.pipe(pipe_replace_date, 'mod')\
       .pipe(pipe_replace_name, 'mod')\
       .pipe(pipe_replace_occupation, 'mod')\
       .pipe(pipe_clean_space, 'mod')

内容的提问来源于stack exchange，提问作者Yana