如何使用.apply()方法重新赋值Pandas dataframe中的值？

赋值不生效的原因 #

你定义的myfunc没有显式返回修改后的行对象。pandas的apply方法逻辑是将每一行/列传入自定义函数，最终用所有函数的返回值拼接成新的对象，没有指定返回值时函数默认返回None，因此运行后你得到的是全空的结果。另外默认情况下apply传入的是行的副本而非原DataFrame的视图，你在函数内对row的修改不会直接作用到原DataFrame上。

代码改写方案 #

方案1：基于apply的修改（仅需补充返回逻辑） #

给自定义函数添加返回修改后row的逻辑即可：

import pandas as pd
df = pd.DataFrame({'switch': ['ON', 'OFF', 'ON'], 
                   'value': [10, 15, 20]})
print(df, '\n')

def myfunc(row):
    if row['switch']  == 'ON':
        row['value'] = 500
    elif row['switch']  == 'OFF':
        row['value'] = 0
    return row # 补充返回修改后的行

df = df.apply(myfunc, axis=1)
print(df)

方案2：向量化条件赋值（更推荐，性能更高） #

对于这种简单的条件赋值场景，不需要用apply，直接用pandas原生的向量化操作即可，执行效率远高于逐行遍历的apply：

import pandas as pd
df = pd.DataFrame({'switch': ['ON', 'OFF', 'ON'], 
                   'value': [10, 15, 20]})
df.loc[df['switch'] == 'ON', 'value'] = 500
df.loc[df['switch'] == 'OFF', 'value'] = 0
print(df)

两种方案运行后都可以得到你预期的输出：

switch  value
0     ON    500
1    OFF      0
2     ON    500

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