能否在pandas lambda函数内部访问并修改Python全局变量？

你原来的写法无法生效有两个核心原因：

• Python中整数属于不可变类型，作为参数传入函数时传递的是值拷贝，函数内部对参数的赋值只会修改局部变量的指向，不会同步到外部的原变量
• lambda的默认参数是在lambda定义阶段就完成绑定的，后续原全局变量更新也不会改变lambda默认参数的取值，所以每次调用do_something拿到的都是初始值5

方法1：使用可变类型存储状态 #

最简单的方案是把需要修改的状态放到列表、字典这类可变类型中，修改可变对象的内部内容不会改变对象的内存引用，所以全局状态会同步更新，后续行调用lambda时就能拿到最新值。
示例代码：

import pandas as pd

def do_something(x, state):
    current_val = state[0]
    print(current_val)
    if current_val > 0:
        state[0] = -1
        return x / 2
    else:
        state[0] = 1
        return 2 * x

# 初始化测试数据
df = pd.DataFrame({'val': [1, 2, 3, 4]})
# 用列表存储状态（列表是可变类型）
state = [5]
df['res'] = df['val'].apply(lambda x: do_something(x, state))

方法2：用类封装状态（更推荐） #

如果不想污染全局命名空间，可以用类把状态和计算逻辑封装在一起，可维护性更高，也避免多场景下的变量冲突。
示例代码：

class StateCalculator:
    def __init__(self, init_state):
        self.state = init_state
    
    def calc(self, x):
        print(self.state)
        if self.state > 0:
            self.state = -1
            return x / 2
        else:
            self.state = 1
            return 2 * x

# 调用
calculator = StateCalculator(5)
df['res'] = df['val'].apply(lambda x: calculator.calc(x))

注意：pandas的apply默认会对第一行执行两次调用用于类型推断，如果你的逻辑对执行次数敏感，可以在apply时添加engine='python'参数，或者改用逐行遍历的方式处理。

内容的提问来源于stack exchange，提问作者scrollex