Pandas apply调用自定义函数判断英文单词结果异常排查

• apply调用逻辑错误
  df.apply(lambda x: is_english_word(df['words']), axis=1)中，axis=1参数下lambda的入参x代表当前遍历到的行数据，你错误传入了完整的df['words']列，导致每次判断都传入了整列数据，无法得到每行的单独校验结果。
• 词库初始化逻辑冗余
  你将英文词典的生成逻辑放在了判断函数内部，每次调用函数都会重复加载nltk词库生成字典，执行效率极低，属于完全不必要的重复操作。

步骤1：全局初始化英文词典（仅执行一次） #

使用set存储词库比用字典更节省资源，存在性判断效率也更高：

from nltk.corpus import words as nltk_words
import pandas as pd

# 全局仅加载一次词库
english_word_set = set(nltk_words.words())

步骤2：简化判断函数 #

def is_english_word(word):
    # 若需要兼容大小写匹配，可改为 return word.lower() in english_word_set
    return word in english_word_set

步骤3：正确调用apply生成新列 #

直接对words列调用apply即可，不需要遍历整行，写法更简洁：

df['is_english'] = df['words'].apply(is_english_word)

如果需要沿用遍历整行的写法，正确代码为：

df['is_english'] = df.apply(lambda x: is_english_word(x['words']), axis=1)

运行效果 #

用你提供的示例数据运行后，输出结果和预期完全一致：

words  is_english
0    cat        True
1    dog        True
2   mark        True
3  lillly       False

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