如何在pandas apply的lambda函数内添加条件判断规避除零报错

1. lambda内直接实现（仅调整原有写法） #

Python支持在lambda中嵌套三元表达式，可以直接完成判断逻辑，注意不要直接判断浮点数等于0，要使用math.isclose规避浮点数精度问题：

d["direction"] = d.apply(
    lambda x: 180 if m.isclose(m.atan2(x.water_u, x.water_v), 0) 
    else 180 + 180/(m.pi * m.atan2(x.water_u, x.water_v)), 
    axis=1,
    result_type="expand"
)

2. 更高效的向量化实现（推荐） #

逐行apply在数据量较大时性能很低，完全可以用Pandas/Numpy的向量化操作替代，不需要写lambda也不需要自定义函数，性能提升可达数十倍：

import numpy as np

# 先批量计算所有atan2结果
angle = np.arctan2(d['water_u'], d['water_v'])
# 向量化判断并生成结果
d['direction'] = np.where(
    np.isclose(angle, 0),
    180,
    180 + 180/(np.pi * angle)
)

注意事项 #

• 浮点数运算存在精度误差，直接用==0判断几乎无法命中实际计算中接近0的场景，isclose方法可以通过rtol、atol参数自定义判定接近0的公差阈值，适配不同业务需求。
• 向量化方案避免了Python层的逐行循环，所有运算都在Numpy底层完成，是Pandas场景下更推荐的高效写法。

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