如何同时对两个DataFrame应用同一个lambda函数？

嘿，我来帮你搞定这个问题！你想要用一行代码同时给两个DataFrame的A列应用同一个lambda函数，其实有几个简单的方案，还能解决你用map时遇到的困惑。

方法1：直接修改原DataFrame（一行完成） #

用列表推导式就能在一行内直接修改两个DataFrame的目标列，完全贴合你的需求：

[df['A'] = df['A'].apply(lambda x: float(x)) for df in [df1, df2]]

这个写法会遍历列表里的每个DataFrame，直接把它们的A列从字符串转成浮点型。虽然列表推导式通常用来生成列表，但这里利用它的迭代执行特性完成赋值操作，完美满足“一行代码”的要求。

方法2：用map生成新的DataFrame（不改动原数据） #

如果你不想修改原DataFrame，而是生成新的副本，可以用map配合assign方法，记得要把map对象转换成列表（因为map是惰性迭代器，不迭代的话不会执行里面的函数）：

new_df1, new_df2 = list(map(lambda df: df.assign(A=df['A'].apply(float)), [df1, df2]))

这样会得到两个全新的DataFrame，它们的A列已经转成浮点型，原df1和df2会保持原样。

你之前的map用法为啥不对？ #

你写的map(lambda x: x.query(float(x)), [df1, df2])有两个明显问题：

• query方法是用来执行类SQL查询语句的，根本不是用来修改列数据的工具，这里完全用错了；
• map返回的是迭代器对象，必须通过list()或者遍历它才会触发里面的lambda函数执行，否则什么实际操作都不会发生。

测试验证示例 #

用你提供的测试数据来实操一遍（先确保A列是字符串类型）：

import pandas as pd

# 创建测试数据（A列为字符串格式）
df1 = pd.DataFrame({'A': ['1', '2', '1', '1.5'], 'B': [1, 0, 2, 1], 'C': [2, 0, 2, 3]})
df2 = pd.DataFrame({'A': ['3', '4', '2.7', '3.1'], 'B': [1, 5, 2, 4]})

# 一行代码完成类型转换
[df['A'] = df['A'].apply(lambda x: float(x)) for df in [df1, df2]]

# 验证转换结果
print(df1['A'].dtype)  # 输出 float64
print(df2['A'].dtype)  # 输出 float64

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