Pandas多级索引列DataFrame按行条件应用自定义函数生成求值列方案

你可以通过构建算子映射字典 + 行级自定义计算的方式实现需求，完整代码如下：

# 构建算子名称到实现函数的映射字典
op_map = dict(zip(names, operatorList))

# 定义单行计算逻辑
def evaluate_row(row):
    # 取当前行指定的算子名称
    op_name = row["operator"].item()
    # 提取当前算子对应的所有非空入参
    input_params = row["scalars", op_name].dropna().to_list()
    # 调用对应函数返回计算结果
    return op_map[op_name](input_params)

# 新增Evaluation列存储计算结果
df["Evaluation"] = df.apply(evaluate_row, axis=1)

逻辑说明 #

• 映射字典op_map直接关联算子名和实现函数，不需要写多分支条件判断，后续新增算子只要同步更新names和operatorList即可，维护成本更低
• 提取入参时调用dropna()自动过滤非当前算子的空值列，天然适配不同算子参数数量不同的场景
• 最终生成的Evaluation列结果和你给出的预期示例完全匹配

内容的提问来源于stack exchange，提问作者DinosRoar