如何对两个pandas Series应用双参数函数并返回Series结果

问题描述 #

现有两个Pandas Series对象：

s = pd.Series([20, 21, 12])
t = pd.Series([17, 19, 11])

需要将一个接收两个参数的函数逐行作用在这两个Series上，返回由逐行计算结果组成的新Series。目前已知的实现方式需要先拼接为DataFrame再做逐行apply：

df = pd.concat([s, t], axis=1)
result = df.apply(lambda x: foo(x.iloc[0], x.iloc[1]), axis=1)

这种写法冗余度高，想要更简洁的实现方案。

最优方案 #

直接使用Pandas内置的Series.combine方法即可，无需提前拼接DataFrame，一行代码就能实现需求：

result = s.combine(t, foo)

该方法会自动按索引对齐两个Series，逐位将两个Series的对应值传入自定义函数foo的两个入参，直接返回计算完成的Series对象。

其他可选实现 #

• 如果自定义函数支持数组输入，优先直接传入两个Series做向量化运算，性能远高于逐行遍历的apply类方法。比如foo是计算两数之和的函数，直接写result = foo(s, t)即可，Pandas会自动完成逐元素的广播计算。
• 如果不需要做索引对齐，仅按位置配对计算，可以直接用zip遍历两个Series，性能比DataFrame.apply更好：

  result = pd.Series([foo(a, b) for a, b in zip(s, t)], index=s.index)
  

  记得手动绑定原Series的索引，避免出现索引错位问题。

提示：如果两个Series的索引不完全匹配，combine和向量化运算默认会取两个索引的并集，缺失位置填充NaN后再传入函数；如果不需要索引对齐逻辑，zip遍历的方式更符合预期。

内容的提问来源于stack exchange，提问作者Igor Rivin