Pandas DataFrame中lambda多条件函数处理列值报错求解

你的apply语句漏了axis=1参数。pandas中DataFrame.apply()默认按列遍历（axis=0），此时lambda接收到的x是整列数据，不是单行记录，无法按行判断Remaining的取值，自然会报错。
就算补上axis=1让apply按行遍历，这种逐行循环的写法性能很差，pandas有原生向量化方案，运行效率高得多。

直接用布尔筛选用向量化逻辑处理，不需要逐行循环：

import pandas as pd

# 构造测试数据
df = pd.DataFrame({
    'Total': [100, 150],
    'Retired': [10, 160],
    'Cancelled': [20, 30]
})
# 初始计算Remaining
df['Remaining'] = df['Total'] - df['Retired'] - df['Cancelled']

# 筛选出Remaining为负的行
neg_mask = df['Remaining'] < 0
# 修正对应行的Total值
df.loc[neg_mask, 'Total'] = df.loc[neg_mask, 'Retired'] + df.loc[neg_mask, 'Cancelled']
# 重新计算Remaining即可得到结果，也可以直接把对应行Remaining赋值为0，效果一致
df['Remaining'] = df['Total'] - df['Retired'] - df['Cancelled']

运行后得到的结果完全符合预期：

补充：如果一定要用你原来的apply写法，只需要补上axis=1即可正常运行，但性能远低于上面的向量化方案，不推荐使用：

df['Total'] = df.apply(lambda x: x['Retired'] + x['Cancelled'] if x['Remaining'] < 0 else x['Total'], axis=1)
df['Remaining'] = df['Total'] - df['Retired'] - df['Cancelled']

内容的提问来源于stack exchange，提问作者pythong