如何在Pandas中动态将拆分生成的列作为参数传入函数？

针对你遇到的问题——拆分s列后生成的s0、s1...列数不固定，无法硬编码参数个数传入自定义函数——有两种非常实用的解决思路，完全可以适配动态变化的列数：

方法1：用可变参数*args定义函数 #

把你的自定义函数改成接受p和任意数量的后续参数，这样不管拆分出多少个s列，都能直接传递进去：

import pandas as pd
import numpy as np

# 示例自定义函数，这里以判断每个s值是否是p的子串为例
def compare(p, *s_values):
    results = []
    for s_val in s_values:
        # 处理NaN的情况，避免报错
        if pd.isna(s_val):
            results.append(False)
        else:
            results.append(s_val in p)
    return results

# 你的原始DataFrame
df = pd.DataFrame({
    'p': ['ABCD', 'XY', 'MSD', 'PQRS'],
    's': ['AB,AC,AD', 'XY', 'MS,MD', 'PQ,PR,PS']
})

# 拆分s列并合并
df = df.join(df['s'].str.split(',', expand=True).add_prefix('s').fillna(np.nan))

# 动态获取所有s开头的列
s_columns = [col for col in df.columns if col.startswith('s')]

# 按行调用函数，把p和所有s列的值传入
df['comparison_results'] = df.apply(
    lambda row: compare(row['p'], *[row[col] for col in s_columns]),
    axis=1
)

执行后，comparison_results列会返回每行的判断结果列表，比如ABCD对应的结果是[True, True, True]，XY对应的是[True, False, False]。

方法2：把s列的值打包成列表传入函数 #

如果更习惯处理列表形式的参数，可以修改函数接受p和一个s值列表，调用时直接把拆分后的列转成列表传递：

# 修改后的自定义函数，处理列表参数
def compare(p, s_list):
    # 示例逻辑：统计有多少个s值是p的非空子串
    match_count = 0
    for s_val in s_list:
        if not pd.isna(s_val) and s_val in p:
            match_count += 1
    return match_count

# 同样动态获取s列，按行转成列表传入
df['match_count'] = df.apply(
    lambda row: compare(row['p'], row[s_columns].tolist()),
    axis=1
)

这种方式更直观，适合需要批量处理s值的场景，比如统计匹配数量、计算相似度等。

核心思路总结 #

两种方法的关键都是动态提取所有s开头的列，避免硬编码列名或参数个数。这样不管你的数据集拆分出13列还是15列，代码都能自动适配，不需要修改函数定义或调用逻辑。另外一定要注意处理NaN值，避免函数执行时出现类型错误。

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