为什么pandas.apply(id, axis=1)会为所有行返回相同id？

pandas.DataFrame.apply指定axis=1执行逐行处理时，会复用同一个Series对象作为行数据的传递载体，不会为每一行创建全新的独立Series实例。
整个迭代流程中，pandas会预先创建一个Series容器，每处理一行就将该容器的内部数据替换为当前行的取值，再将这个容器传入apply调用的自定义函数。这是pandas为降低频繁创建、销毁对象的性能开销设计的内置逻辑，因此执行df_mock.apply(id, axis=1)时返回的所有id值完全一致，该id对应的就是被反复复用的固定Series容器的内存地址。

复现代码中所有实例的v值均为[7,8,9]，正是因为O类初始化时直接执行self.row = row，保存的是复用Series的引用，而非当前行数据的独立副本。当整个apply迭代执行完成后，复用Series中留存的是DataFrame最后一行的数据，后续调用所有O实例的calc()方法时，访问的都是同一个已被更新为最后一行内容的Series，因此拿到的v值全部为最后一行的取值。

• 若需要在实例中保存整行数据，传入对象时主动生成独立副本，避免持有复用对象的引用：

df_mock['obj'] = df_mock.apply(lambda row: O(row.copy()), axis=1)

• 若仅需要使用行内部分字段，不要保存整个row对象的引用，直接在apply执行阶段提取所需字段存入实例属性，从根源上避免复用对象导致的引用污染。

注意：禁止在axis=1的apply逻辑中持有传入row对象的延迟引用，这类写法在pandas的对象复用机制下必然会出现数据不符合预期的问题。

内容的提问来源于stack exchange，提问作者Iván Sánchez