如何使用lambda函数对Pandas DataFrame按行统计指定字符出现次数？

错误原因 #

你出现语法错误的核心是混淆了pandas.DataFrame.apply的工作逻辑：

• 当指定axis=1时，apply会自动遍历DataFrame的每一行，将整行数据作为参数传入你指定的处理函数，完全不需要额外手写for循环遍历行
• 你写的for x in range(...)属于多余的生成器表达式，同时df.iloc[0]取的是第一行的具体数据，不是整数索引，本身就不能作为range()的入参，双重问题导致语法报错

正确写法（沿用你已定义的count_P函数） #

直接把函数名传给apply，同时指定axis=1即可：

df['Attendance'] = df.apply(count_P, axis=1)

如果你要保留lambda写法也可以，属于等价但冗余的写法：

df['Attendance'] = df.apply(lambda x: count_P(x), axis=1)

更高效的推荐实现 #

不需要自定义循环函数，用pandas向量化操作效率更高，尤其适合数据量较大的场景：

df['Attendance'] = df.eq('P').sum(axis=1)

逻辑说明：df.eq('P')会将整个DataFrame中值等于'P'的位置替换为True，其余为False；sum(axis=1)按行求和时，True会被视为1、False视为0，直接得到每行'P'的出现次数。

内容的提问来源于stack exchange，提问作者Pete