如何使用apply方法遍历DataFrame行修改浮点列?解决类型报错
报错根因
- 作用域与入参错配:你当前代码是对
df['row1']这个单列Series执行apply,逐次传入lambda的变量row是单个字符串元素,而非整行的DataFrame行对象。但函数内部却用row["1"]的键值索引方式取值,字符串仅支持整数位置索引,因此直接触发TypeError: string indices must be integers。 - 调用逻辑不匹配需求:你需要同时跨列处理(判断列"1"的文本、修改列"2""3""4"的浮点值),单列apply的模式仅能逐单元格遍历,根本无法获取其他列的数据,天然适配不了你的需求。
- 列名与判断逻辑笔误:你提到存储句子的列名是"1",但apply代码里引用的目标列是不存在的
row1;同时原判断逻辑if row["1"]仅能判断字段是否非空,和“文本包含字符'a'”的需求完全脱节。
适配需求的修正实现
按照逐行遍历、跨列处理的逻辑,调整后的完整可运行代码如下:
def my_function(row): # 逐行判断列"1"的文本是否包含字符"a" if 'a' in row['1']: # 替换为你实际的三列修改逻辑 row['2'] = row['2'] * 1.5 # 示例:列2值放大1.5倍 row['3'] = row['3'] - 0.3 # 示例:列3值减0.3 row['4'] = row['4'] + 2.7 # 示例:列4值加2.7 # 返回处理后的整行数据,保持原有列结构 return row # 对整个DataFrame逐行应用函数,axis=1表示按行维度遍历 df = df.apply(my_function, axis=1)
关键注意事项
- 逐行跨列处理时,必须将apply作用于整个DataFrame对象,传入
axis=1参数让Pandas逐行将整行Series传入自定义函数,禁止对单独某一列执行这类跨列逻辑的apply。 - 自定义函数无需拆分传入多个独立列参数,逐行模式下传入的单行Series可直接通过列名索引取值,大幅简化函数定义。
- 函数返回处理后的整行结构时,apply会自动将所有行拼接为修改完成的新DataFrame,直接覆盖原变量即可拿到修改后的目标三列浮点数据。
内容的提问来源于stack exchange,提问作者Y4RD13
相关产品推荐
相关产品推荐

