为何pandas的apply对两个lambda返回不同类型且空DataFrame下赋值报错

为什么两个lambda函数的apply返回类型不同 #

pandas对空DataFrame执行行方向（axis=1）的apply操作时，会先执行一次返回类型推断：构造一个空Series作为测试行传入自定义函数，根据执行结果判定返回类型：

• l3 = lambda r: ""执行测试时直接返回空字符串，无任何报错，pandas判定该函数返回标量，最终apply返回Series类型，可直接赋值给单列。
• l4 = lambda r: f"{r.col1}"执行测试时，空测试行不存在col1属性会抛出属性错误。此时pandas的异常处理分支会判定该函数返回类数组结构，直接返回原空DataFrame的副本作为apply结果，类型为DataFrame。将多列DataFrame赋值给单列时，就会触发“Wrong number of items passed 3, placement implies 1”的报错。

该逻辑属于pandas内部未明确写入公开文档的类型推断处理，要求行处理函数必须兼容空Series的调用场景。

空DataFrame场景下的兼容写法 #

有三种常用的解决方案，推荐优先使用第三种向量化写法，性能最优且无兼容性问题：

• 方案1：修改lambda函数，兼容空测试行
  提前判断属性是否存在，避免测试执行时报错：

l4 = lambda r: f"{r.col1}" if "col1" in r.index else ""
df["col4"] = df.apply(l4, axis=1)

• 方案2：强制压缩返回结果为Series
  对apply的返回结果调用squeeze()，把单列DataFrame转为Series：

df["col4"] = df.apply(l4, axis=1).squeeze()

• 方案3：替换apply为pandas原生向量化操作
  你的需求是将col1转为字符串格式，完全不需要使用apply，直接用原生类型转换方法即可，空DataFrame场景下也能正常运行：

df["col4"] = df["col1"].astype(str)

内容的提问来源于stack exchange，提问作者bers