如何将行作为参数，实现Pandas DataFrame通用列填充函数？

你的思路是对的，但在apply的调用方式上出了问题——直接调用add(...)会导致Python尝试立刻执行这个函数，而此时row参数还没被传入（apply是遍历行的时候才会传row），所以会触发语法和参数错误。下面给你几种可行的修改方案，包括更高效的矢量化实现：

方案1：用Lambda包装参数调用 #

这是最直接的修改方式，用lambda函数把列名参数传递给你的add函数，让apply在遍历每一行时自动传入row：

import pandas as pd

def add(row, new_column, old_column):
    if pd.notnull(row[new_column]):
        return row
    else:
        row[new_column] = row[old_column]
        return row

# 注意：列名如果是字符串要加引号，比如'industry'和'old_industry'
merged2 = merged2.apply(lambda row: add(row, 'industry', 'old_industry'), axis=1)

方案2：用functools.partial绑定参数 #

如果需要多次复用这个函数（比如填充不同的列对），用partial来预先绑定列名参数会更优雅：

import pandas as pd
from functools import partial

def add(row, new_column, old_column):
    if pd.notnull(row[new_column]):
        return row
    else:
        row[new_column] = row[old_column]
        return row

# 预先绑定要填充的列对
fill_industry = partial(add, new_column='industry', old_column='old_industry')
# 执行填充
merged2 = merged2.apply(fill_industry, axis=1)

方案3：用Pandas矢量化操作（推荐） #

逐行apply在大数据集上效率很低，Pandas内置的fillna方法可以直接实现这个需求，而且性能好很多：

# 直接将new_column的空值用old_column对应位置的值填充
merged2['industry'] = merged2['industry'].fillna(merged2['old_industry'])

关键说明： #

• 你原来的add(, industry, old_industry)有两个问题：一是语法错误（第一个参数为空），二是apply需要接收函数对象，而不是函数执行后的结果。lambda和partial的作用就是帮我们把列名参数预先绑定，让函数在apply遍历行时能正确接收row参数。
• 列名要确保是字符串类型，如果是用变量存储列名，要保证变量值是DataFrame中存在的列名。

内容的提问来源于stack exchange，提问作者kaecvtionr