如何使用dataframe.apply()处理每行数据时保留列名？

其实当你使用df.apply(func, axis=1)处理每行数据时，传入函数的Series对象本身就包含列名信息——它的index属性就是原DataFrame的列名列表，不需要额外“传递”，只是可能你没注意到怎么用而已。下面给你几种实用的方案：

方案1：直接从传入的Series中获取列名 #

在自定义函数里，你可以通过row.index直接拿到当前行对应的所有列名，甚至可以根据列名直接取值：

import pandas as pd

df = pd.DataFrame({'name': ['Alice', 'Bob'], 'age': [25, 30]})

def process_row(row):
    # 获取所有列名并转为列表
    all_columns = row.index.tolist()
    print(f"当前行的列名：{all_columns}")
    
    # 根据列名直接获取对应值
    name_value = row['name']
    age_value = row['age']
    return f"{name_value} is {age_value} years old"

# 应用函数到每行
result = df.apply(process_row, axis=1)
print(result)

方案2：主动将列名作为参数传入函数 #

如果你希望显式把列名传递给函数，可以借助apply的args参数，把DataFrame的列名列表传进去：

def process_row_with_cols(row, column_names):
    # 遍历列名处理数据
    for col in column_names:
        print(f"列名{col}对应的值：{row[col]}")
    return sum(row.values)

# 传入列名作为额外参数
df.apply(process_row_with_cols, axis=1, args=(df.columns.tolist(),))

方案3：使用itertuples（可选，适合简单场景） #

如果你觉得Series的方式不够直观，也可以用df.itertuples()来遍历行，它会返回带字段名的namedtuple，字段名就是原DataFrame的列名：

for row in df.itertuples(index=False):
    # 直接通过列名字段访问值
    print(f"{row.name} is {row.age} years old")

不过注意：itertuples的性能和apply接近，但如果是大型数据集，apply配合向量化操作会更高效。

内容的提问来源于stack exchange，提问作者Cranjis