DataFrame按条件新增列报错：对象无isin属性

核心原因 #

isin() 是 Pandas 专属的 Series/DataFrame 方法，仅能作用于 Pandas 的序列或表格对象。而当你用 apply(axis=1) 调用自定义函数时，传入函数的每一行是一个 Series，但你在函数里直接取 row['iter'] 得到的是单个元素（字符串或 numpy 整数类型）—— 这类单个标量值并没有 isin() 方法，因此触发报错。

举个对应你报错场景的示例：

import pandas as pd
import numpy as np

# 最小复现示例
df = pd.DataFrame({'iter': [1,2,3,4,5]})
high_risk_list = [1,3]

def assign_risk(row):
    # 错误：row['iter']是单个numpy.int64，不是Series，没有isin方法
    if row['iter'].isin(high_risk_list):
        return 'High'
    return 'Low'

df['Risk_level'] = df.apply(assign_risk, axis=1)  # 执行后报错

修正方案+性能优化 #

针对你的需求，有两种修正思路：

1. 针对单个元素改用Python原生in操作符
   把函数里的 isin() 换成 Python 原生的成员判断：

   def assign_risk(row):
       if row['iter'] in high_risk_list:
           return 'High'
       # 可继续添加其他风险等级判断
       return 'Low'
   

2. 放弃apply，用Pandas向量化操作（强烈推荐）
   你的DataFrame有500万行，apply(axis=1)是逐行循环，性能极低。改用向量化操作能大幅提升效率，比如用np.select实现多条件判断：

   high_risk = [...]
   medium_risk = [...]
   
   df['Risk_level'] = np.select(
       [df['iter'].isin(high_risk), df['iter'].isin(medium_risk)],
       ['High', 'Medium'],
       default='Low'
   )
   

   或者用loc直接赋值：

   df['Risk_level'] = 'Low'
   df.loc[df['iter'].isin(high_risk), 'Risk_level'] = 'High'
   df.loc[df['iter'].isin(medium_risk), 'Risk_level'] = 'Medium'
   

内容的提问来源于stack exchange，提问作者kas