如何正确使用Pandas的.apply()实现DataFrame列的条件更新？

第一步：提前计算df_1中各'a'值对应的'c'列中位数 #

先对df_1按'a'分组计算中位数，得到可快速查询的Series，避免在逐行处理时重复计算，提升效率：

# 生成index为a值、值为对应c列中位数的Series
a_median_c = df_1.groupby('a')['c'].median()

第二步：编写逐行处理函数并正确调用apply #

def set_c(row):
    # 判断当前行a值是否存在于预计算的中位数索引中
    if row['a'] in a_median_c.index:
        # 若c值为0则替换为对应中位数，否则保留原c值
        return a_median_c[row['a']] if row['c'] == 0 else row['c']
    else:
        # a值不在df_1中，直接返回原c值
        return row['c']

# 正确调用apply：传入函数对象，axis=1指定逐行处理
df_2['c'] = df_2.apply(set_c, axis=1)

你之前的问题原因 #

1. 直接调用df_2['c'] = set_c(df_1, df_2)：
   你的set_c函数应该是对整个DataFrame做了全局处理，没有逐行判断条件，导致返回单一值或全局替换结果，所有行被统一修改。

2. 使用df_2.apply(set_c(df_2, df_1))：
   apply需要传入函数对象，而你直接执行了set_c(df_2, df_1)，把函数执行结果传给了apply，不符合语法要求。另外逐行处理时，函数默认接收的是每行的Series，无需传入整个DataFrame。

示例验证 #

假设测试数据如下：

import pandas as pd

df_1 = pd.DataFrame({'a': [1,1,2,2], 'b': [10,20,30,40], 'c': [7,9,90,110]})
df_2 = pd.DataFrame({'a': [1,2,3], 'b': [100,200,300], 'c': [0,100,0]})

运行上述代码后，df_2的结果为：

完全符合你的期望结果。

内容的提问来源于stack exchange，提问作者newnewer