pandas apply调用双参数lambda报错缺少位置参数y如何解决

• 核心问题1：apply方法默认参数axis=0，是按列遍历DataFrame，每次仅将1个整列的Series对象作为参数传入调用的函数，你定义的lambda需要x、y两个入参，实际只收到1个参数，自然触发缺少位置参数y的报错。
• 核心问题2：就算手动加axis=1改成按行遍历，每次传入的也是包含cost、leads两个字段的单行Series对象，依然只传1个参数，还是匹配不了lambda的两个入参。
• 额外问题：你写的cpl_calc函数只有打印逻辑，没有return返回计算结果，就算apply逻辑跑通，最终生成的cpl列也会全是空值。

首先先补全自定义函数的返回值，同时导入依赖库、构造基础数据集：

import pandas as pd

# 构造数据集
data = {'key': ['one', 'two', 'zero'], 'cost': [300, 20, 500], 'leads': [20, 0, 50]} 
data = pd.DataFrame(data=data)

# 修正自定义函数，补上return返回计算结果
def cpl_calc(x, y):
    if x == 0:
        cpl = y
    else: 
        cpl = y / x
    return cpl

方案1：修正apply传参逻辑（最贴合原有写法） #

加axis=1参数改为逐行遍历，从每行的Series对象中按列名取出对应值，按参数顺序传入自定义函数即可：

# 注意参数顺序：cpl_calc第一个入参x是leads，第二个入参y是cost
data['cpl'] = data.apply(lambda row: cpl_calc(row['leads'], row['cost']), axis=1)

方案2：向量化计算（性能最优，推荐大数据量场景使用） #

不用逐行apply，直接用numpy的条件判断做向量化运算，运行速度比apply快数倍到数十倍：

import numpy as np
data['cpl'] = np.where(
    data['leads'] == 0,  # 判断条件：leads等于0
    data['cost'],        # 条件为真时取cost值
    data['cost']/data['leads'] # 条件为假时取cost/leads
)

两种方案运行后得到的DataFrame结果一致，cpl列计算完全符合预期：

key  cost  leads   cpl
0   one   300     20  15.0
1   two    20      0  20.0
2  zero   500     50  10.0

内容的提问来源于stack exchange，提问作者Vladislav