Python lambda函数如何添加异常处理？pandas apply场景实操

• 原代码第一个语法问题是Python三元表达式结构不完整，三元表达式要求格式为返回值1 if 判定条件 else 返回值2，你仅写了detect(str(x)) else np.nan缺少条件判断部分，直接触发语法错误。
• 其次Python的lambda表达式仅支持单个表达式逻辑，不支持try-except这类语句块，就算补全三元表达式也无法实现异常捕获需求，因为三元表达式只能处理分支判断，无法捕获运行时抛出的异常。

最推荐可读性、可维护性最高的自定义函数实现，也就是你已经验证通过的方案：

import numpy as np

def lang_func(x):
    try:
        # 执行语言检测
        language = detect(str(x))
    except:
        # 抛出异常时赋值为np.nan
        language = np.nan
    return language

# 应用到DataFrame列
df['check'] = df['text'].apply(lang_func)

如果需要更严谨的异常处理，可以指定捕获的具体异常类型，比如你用的是langdetect库的话，可改为except LangDetectException:，避免捕获到无关异常导致问题被掩盖。

如果你一定要用lambda实现单行逻辑，可以借助异常捕获包装函数：

import numpy as np

# 定义通用异常捕获包装工具
def safe_exec(func, default=np.nan):
    def wrapper(*args, **kwargs):
        try:
            return func(*args, **kwargs)
        except:
            return default
    return wrapper

# lambda中调用包装后的检测函数
df['check'] = df['text'].apply(lambda x: safe_exec(detect)(str(x)))

该写法可读性较差，不建议生产环境使用。

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