如何将DataFrame指定列作为参数，对多列批量应用自定义函数

错误原因 #

• 按axis=1调用apply时，传入自定义函数的第一个参数是当前行的完整Series对象，不是你以为的单个day列的值
• 你传入的j=df['argument']是完整的argument列，不是当前行对应的argument数值
• 你最后写的测试函数逻辑是i-j，和你需要的乘法逻辑不匹配

解决方案 #

方案1：利用pandas广播特性直接运算（100+列场景下效率最高，推荐） #

直接筛选出所有需要处理的列，和argument列按行对齐做运算即可：

import pandas as pd
# 示例数据
df = pd.DataFrame({'argument':[1,2,0.5],
                   'day1':[4,5,6],
                   'day2':[5,1,2]})

# 筛选除了argument之外的所有目标列
target_cols = [col for col in df.columns if col != 'argument']
# 逐行乘以argument列的值
df[target_cols] = df[target_cols].mul(df['argument'], axis=0)

方案2：自定义函数适配apply（适合业务逻辑复杂的场景） #

如果你的实际业务逻辑无法用内置运算实现，需要自定义函数，写法如下：

# 你的自定义业务函数，这里以乘法为例
def custom_calc(val, arg):
    # 这里可以替换成你的复杂业务逻辑
    return val * arg

# 对所有目标列应用自定义函数，自动传入当前行对应的argument值
target_cols = [col for col in df.columns if col != 'argument']
df[target_cols] = df[target_cols].apply(lambda x: custom_calc(x, df['argument']), axis=0)

两种方案运行后都可以得到你期望的输出：

argument  day1  day2
0       1.0   4.0   5.0
1       2.0  10.0   2.0
2       0.5   3.0   1.0

内容的提问来源于stack exchange，提问作者LGelb