如何向**kwargs传递大量参数？Pandas数据帧参数传递优化问询

嘿，我看到你的问题了——当拆分s列后生成十几甚至二十多列时，手动逐个传递参数不仅繁琐，还容易出错。先给你指出当前代码里的一个关键问题，再分享两个高效的简化方案：

先修正你当前代码的小错误 #

你现在的lambda里直接用df['p']、df['s0']这类写法，其实是把整个**列（Series）**传递给func，而不是当前行的单个值。正确的写法应该用x['p']、x['s0']来获取当前行对应列的值，并且别忘了加上axis=1（apply默认按列处理，axis=1才是按行遍历）。

方案1：手动指定目标列，用字典解包传递 #

如果你的目标列是固定的，可以先把需要传递的列名整理成一个列表，然后将当前行的这些列转成字典，用**解包成关键字参数传给func：

def func(p, p_loc, **kwargs):
    print(p)
    print(p_loc)
    print(kwargs)
    # 这里添加你的业务逻辑，最后返回结果给new列
    return "处理完成"

# 整理需要传递的参数列
target_cols = ['s0', 's1', 's2', 's3', 's0_loc', 's1_loc', 's2_loc', 's3_loc']

# 按行应用函数
df['new'] = df.apply(lambda x: func(x['p'], x['p_loc'], **x[target_cols].to_dict()), axis=1)

这样不管列数有多少，只要把列名加到target_cols列表里就行，不用逐个写参数。

方案2：用正则自动匹配目标列（适合列名有规律的场景） #

如果拆分后的列名有统一规律（比如都是s+数字，或者s*_loc的格式），可以用df.filter()结合正则表达式自动筛选出这些列，完全不用手动列出来：

# 用正则匹配所有s开头加数字的列，以及s数字_loc的列
target_cols = df.filter(regex=r'^s\d+$|^s\d+_loc$').columns

df['new'] = df.apply(lambda x: func(x['p'], x['p_loc'], **x[target_cols].to_dict()), axis=1)

这个方案特别适合列数很多的情况——哪怕有20列，一行代码就能自动筛选出所有需要传递的列，非常省心。

原理说明 #

x[target_cols].to_dict()会把当前行的目标列转换成一个{列名: 当前行对应值}的字典，然后**操作符会把这个字典解包成多个关键字参数，正好匹配func里的**kwargs参数。这样就实现了批量传递参数的效果。

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