如何更优雅地实现将函数应用于DataFrame每行并写入结果？

当然有更简洁高效的实现方式！你当前使用iterrows()循环拼接的方法虽然能完成任务，但存在两个明显的问题：一是iterrows()本身的迭代效率较低，数据量大时会拖慢运行速度；二是每次循环都用pd.concat()拼接结果，会产生大量中间对象，进一步降低性能，同时代码也显得冗余。

下面给你两种更优的方案：

方案一：使用DataFrame.apply()（最直接的替代） #

apply()方法可以直接按行（或列）批量应用函数，代码简洁且比iterrows()更高效：

# 直接在原DataFrame上添加结果列
input_panel['target'] = input_panel.apply(lambda row: my_function(*row), axis=1)

• axis=1指定按行处理数据；
• *row会把当前行的所有元素按顺序作为位置参数传入my_function；
• 不需要额外创建空DataFrame和循环拼接，直接将结果赋值给新列target，一步到位。

如果你的函数参数和DataFrame列的顺序不完全匹配，建议明确指定列名，避免后续列顺序变动引发错误：

input_panel['target'] = input_panel.apply(lambda row: my_function(row['param1'], row['param3'], row['param2']), axis=1)

方案二：矢量化运算（性能最优选择） #

如果my_function可以被修改为支持矢量化输入（即能直接处理Pandas Series或NumPy数组，而非单个行数据），那这是性能最高的方案——Pandas的矢量化操作是底层优化的，速度远快于逐行迭代：

假设my_function原本接受单个参数值，修改为接受数组参数后，你可以直接传入DataFrame的列：

# 假设my_function接受三个数组参数，对应DataFrame的三列
input_panel['target'] = my_function(input_panel['col1'], input_panel['col2'], input_panel['col3'])

这种方式完全避免了逐行循环，能最大化利用Pandas的性能优势，适合处理大规模数据集。

对比原实现的优势 #

• 代码更简洁：去掉了冗余的循环、解构和拼接操作；
• 性能更出色：apply()比iterrows()效率更高，矢量化操作更是碾压级的性能提升；
• 可读性更强：逻辑清晰，一眼就能看出是给每行应用函数并生成结果列。

内容的提问来源于stack exchange，提问作者Lisa