Python DataFrame按行应用函数：含额外参数时row参数使用疑问

我完全懂你碰到的这个坑！当你想给名为file的DataFrame生成新列，用带额外参数的函数处理每行数据时，很容易在参数传递这儿卡壳。我来给你一步步捋清楚怎么解决：

首先先还原一下你可能的基础场景：假设你原本无参数的函数是这样的（能正常运行）：

def process_row(row):
    # 比如基于行内的几列计算新值
    return row['col_a'] + row['col_b']

# 正常生成新列
file['new_column'] = file.apply(process_row, axis=1)

但当你给函数加上额外参数后，比如需要一个乘数来调整计算结果：

def process_row_with_param(row, multiplier):
    return (row['col_a'] + row['col_b']) * multiplier

这时候直接用file.apply(process_row_with_param, axis=1)就会报错——因为函数期待多一个参数，但你没传递给它。

下面是三种靠谱的解决方法：

方法1：用apply的args参数传位置参数 #

apply方法本身支持通过args参数传入额外的位置参数，只要把参数放进元组里就行（注意单个参数也要加逗号，避免被解析成单个值）：

# 传递乘数为2的参数
file['new_column'] = file.apply(process_row_with_param, axis=1, args=(2,))

方法2：用lambda函数包裹传递参数 #

如果需要传递关键字参数，或者想让代码逻辑更直观，可以用lambda来包裹你的函数，把额外参数直接传进去：

# 位置参数写法
file['new_column'] = file.apply(lambda row: process_row_with_param(row, 2), axis=1)

# 如果函数是用关键字参数定义的，写法更清晰
def process_row_with_kw_param(row, multiplier=1):
    return (row['col_a'] + row['col_b']) * multiplier

file['new_column'] = file.apply(lambda row: process_row_with_kw_param(row, multiplier=3), axis=1)

方法3：用assign做链式操作（更优雅的写法） #

如果你喜欢用链式方式处理DataFrame，可以结合assign方法和lambda来生成新列，代码可读性更高：

file = file.assign(
    new_column=lambda df: df.apply(lambda row: process_row_with_param(row, 2), axis=1)
)

几个关键注意点 #

• 一定要记得加axis=1：这个参数告诉apply按行处理数据，如果你漏了或者设成axis=0，函数会接收整列数据而非单行，肯定会出错。
• 如果你的额外参数是DataFrame里的其他数据（比如某一列的固定值），也可以直接在lambda里引用，比如lambda row: process_row_with_param(row, file['fixed_col'].iloc[0])。

内容的提问来源于stack exchange，提问作者C. Marlet