如何在Pandas中给带多参数的apply函数传参生成新列

针对你需要将DataFrame的机场代码映射为对应地区/国家的需求，以下是几种可行的解决方法，按推荐优先级排序：

方法1：直接使用map（最简洁高效） #

你的需求本质是字典键值映射，Pandas的Series.map()方法原生支持直接传入字典，完全不需要自定义函数，代码更简洁且性能优于apply：

# 直接映射，缺失值会显示为NaN
df['Country'] = df['AirportCode'].map(country_dict)

# 可选：处理不在字典中的机场代码，填充默认值
df['Country'] = df['AirportCode'].map(country_dict).fillna('未知地区/国家')

方法2：通过lambda在apply中传递额外参数 #

如果必须保留自定义的airport_to_country函数，可以用lambda表达式封装参数传递逻辑。假设你的函数定义如下：

def airport_to_country(a_code, country_dict):
    # 用dict.get()避免出现KeyError
    return country_dict.get(a_code, '未知地区/国家')

调用apply时的写法：

df['Country'] = df['AirportCode'].apply(lambda x: airport_to_country(x, country_dict))

这里lambda会接收AirportCode列的每个元素x，再将x和country_dict一起传给你的自定义函数。

方法3：用args参数直接传递额外参数 #

apply方法支持通过args参数传入额外的位置参数，写法更直接：

df['Country'] = df['AirportCode'].apply(airport_to_country, args=(country_dict,))

注意args需要是元组格式，即使只有一个参数也要加逗号。

方法4：用functools.partial固定函数参数 #

如果你需要重复使用这个带固定字典的函数，可以用functools.partial将多参数函数转为单参数函数：

from functools import partial

# 固定country_dict参数，生成仅需机场代码的新函数
country_mapper = partial(airport_to_country, country_dict=country_dict)
df['Country'] = df['AirportCode'].apply(country_mapper)

内容的提问来源于stack exchange，提问作者chowpay