pandas apply的lambda内字符串切片未按预期生效问题排查

两段代码运行结果差异的核心是你混淆了pandas整列批量操作和apply逐行传入的标量值操作的适用方法：

• 第一段正常运行的代码中，data.col3.astype('str').str.slice(3)是对col3整列做批量类型转换、字符串切片，生成的t列每个元素都是单个字符串值，后续apply逐行取x.t时，拿到的是普通字符串，直接和'7'做等值判断完全合法。
• 第二段报错的代码中，apply(axis=1)会逐行把单行的Series对象传入lambda函数，此时x.col3是单个整数类型的标量值（比如第一行对应值是2347），不是整列Series：
  • 首先astype()是pandas对象的专属方法，Python原生整数没有这个方法，调用就会触发异常；
  • 其次.str访问器是pandas专门给存储字符串的Series/Index设计的批量操作接口，就算你手动把单个整数转成字符串，普通Python字符串也没有.str属性，自然无法运行。

方案1：保留apply写法，改用原生Python标量操作 #

直接在lambda里对单个值用Python原生的类型转换、字符串索引逻辑即可，不需要调用pandas的批量接口：

import pandas as pd
data = pd.DataFrame({'col1':[1,2,3,4],'col2':[2018, 2018, 2019, 2020], 'col3':[2347, 1327, 2355, 2111]})
# 取最后一位直接用字符串负索引即可，不需要调用slice
data['col4'] = data.apply(lambda x: x.col2 - 1 if str(x.col3)[-1] == '7' else x.col2, axis=1)

方案2：向量化写法（推荐，性能远高于apply） #

pandas中尽量避免用apply做逐行循环，直接用整列操作效率会高几个量级，逻辑也更简洁：

# endswith直接判断字符串是否以7结尾，布尔值转int后True为1、False为0，刚好实现减1/不减的逻辑
data['col4'] = data['col2'] - data['col3'].astype(str).str.endswith('7').astype(int)

内容的提问来源于stack exchange，提问作者John