Pandas创建新列时如何逐行应用自定义Monte Carlo概率函数

问题原因 #

你直接向MC_prob传入整列的df.Predict、df.StDev序列时，函数会将整列作为整体计算仅返回1个标量值，因此赋值后所有行的ProbOver3都是相同值。
另外你当前的MC_prob存在冗余逻辑：循环M次计算的都是完全相同的norm.sf(3, mu, sigma)结果，最终均值和单次计算结果完全一致，循环没有实际作用。如果后续需要增加随机抽样逻辑可以保留循环，否则可以直接删去循环简化代码。

实现逐行计算的方案 #

方案1：用apply逐行调用函数 #

如果需要保留现有MC_prob函数的结构，可通过apply指定axis=1逐行传参调用：

df['ProbOver3'] = df.apply(lambda row: MC_prob(M=10000, mu=row['Predict'], sigma=row['StDev']), axis=1)

方案2：向量化计算（效率更高） #

scipy.stats.norm.sf本身支持数组类型的入参，不需要逐行调用也不需要循环，一行代码即可得到所有行的结果，运行效率远高于逐行apply：

df['ProbOver3'] = norm.sf(3, df['Predict'], df['StDev'])

内容的提问来源于stack exchange，提问作者SOK