Python Pandas：如何在DataFrame的lambda函数中访问多列？

你当前写法的问题 #

你尝试的df['value_b'].apply(lambda x: some_function(x, df['value_c'])) 是无法正常得到预期结果的：

• 这段代码里apply是单独作用在value_b列上的，lambda拿到的x只是每一行对应的单个value_b数值
• 传入函数的df['value_c']是整列的Series对象，不是当前行匹配的单个value_c值，既不符合自定义函数的参数要求，也无法完成逐行的匹配计算

可行的实现方案 #

Pandas完全支持在计算中同时访问多列数据，根据性能优先级有三类常用写法：

1. 整表逐行apply（最通用的写法） #

把apply作用在整个DataFrame上，指定axis=1参数，就可以逐行拿到整行的数据，灵活取任意多列传入自定义函数：

df['value_d'] = df.apply(
    lambda row: some_function(row['value_b'], row['value_c']),
    axis=1  # 逐行遍历，设为0则是逐列遍历
)

这种写法没有列数限制，不管你的自定义函数需要2列还是多列的同行值，都可以通过row['列名']的方式自由取值。

2. 直接向量化传参（性能最优，优先推荐） #

如果你的自定义函数支持逐元素运算（比如内部是加减乘除等基础逻辑，或者基于numpy实现的计算），完全不需要套apply，直接把整列作为参数传入即可，计算效率比逐行apply高几个数量级，尤其适合十万行以上的大表：

df['value_d'] = some_function(df['value_b'], df['value_c'])

如果自定义函数原本是为单值场景写的、不支持Series输入，可以用numpy.vectorize把函数包装成支持向量化输入的版本，同样能获得远高于逐行apply的性能：

import numpy as np
# 包装原生单值函数为向量化版本
vec_some_func = np.vectorize(some_function)
df['value_d'] = vec_some_func(df['value_b'].values, df['value_c'].values)

3. 单列apply取同行其他列（不推荐） #

理论上你也可以在单列的apply回调里，通过行索引定位其他列的值，但这种写法逻辑冗余、性能差，遇到重复索引还会出逻辑错误，非必要不使用：

# 不推荐：每一行都要做一次索引查询，开销高、易出错
df['value_d'] = df['value_b'].apply(
    lambda x: some_function(x, df.loc[x.name, 'value_c'])
)

内容的提问来源于stack exchange，提问作者finethen