Pandas应用DataFrame提取的变量调用apply时仅首行生效的异常问题

该异常和apply函数的执行逻辑无关，核心触发点是pandas的索引对齐运算规则，具体拆解：

• 从变量CSV提取的readVarA、readVarB不是普通数值标量，而是长度为1的Series对象：两个对象的内置索引为[0]，对应值分别为2、10。
• DataFrame.apply默认axis=0，即逐列传入Series到自定义公式计算：主表的每一列是长度为2的Series，索引为[0,1]，对应表中两行数据。
• pandas的二元运算强制遵循索引匹配规则：两个序列做逐元素运算时，仅对两边共同存在的索引位置计算有效值，单侧缺失的索引位置自动填充为NaN。
• 按你的公式拆解计算过程：
  1. 主表dataA列（索引[0,1]，值[10,10]）与readVarA（索引[0]，值2）做除法：
     • 索引0位置：10 / 2 = 5，索引匹配成功，得到有效值
     • 索引1位置：readVarA无对应索引1的元素，运算结果为NaN
  2. 上述结果再与readVarB（索引[0]，值10）相乘：
     • 索引0位置：5 * 10 = 50，匹配成功
     • 索引1位置：NaN 与单侧索引的Series相乘，结果仍为NaN
       最终就出现了只有第一行（索引0）有计算结果、后续行全为NaN的现象，并非apply只执行了第一行。

方案1：全局参数场景下提取标量值 #

如果变量表存储的是全表通用的固定计算参数，直接将单元素Series转为纯数值标量即可，完全不需要调整原有apply逻辑：

# 原错误写法（返回Series类型，触发索引对齐问题）
# readVarA = readVariablesCSV['varA']
# readVarB = readVariablesCSV['varB']

# 修改为取Series的第一个位置值，转为纯数值标量
readVarA = readVariablesCSV['varA'].iloc[0]
readVarB = readVariablesCSV['varB'].iloc[0]

修改后运行结果和硬编码数值的对照场景完全一致，所有行都能输出正确计算值。

方案2：逐行匹配参数场景下用合并计算 #

如果变量表是与主表逐行对应的动态参数，不要在apply逻辑中跨表引用其他DataFrame的Series，先通过索引将参数列合并到主表，再做向量化计算，效率远高于逐行apply：

# 按行索引将参数表合并到主表
merged_df = readMainDataCSV.join(readVariablesCSV)
# 直接用列做向量化运算，完全无索引错位风险
merged_df['dataA_calc'] = (merged_df['dataA'] / merged_df['varA']) * merged_df['varB']
merged_df['dataB_calc'] = (merged_df['dataB'] / merged_df['varA']) * merged_df['varB']

注意：pandas中所有带索引的序列类对象（Series、DataFrame）做跨对象运算时，永远会优先对齐索引，不会自动按位置强制计算。很多批量计算出现无理由NaN，本质都是跨对象引用时的索引不匹配导致的。

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