Pandas单独用apply upper()处理单列可行，多列处理报错的问题

为什么多列处理会报错？ #

这个问题的核心在于apply()在**Series（单列）和DataFrame（多列）**上的行为差异：

• 当你对单列（Series）调用apply()时，传入的lambda函数会作用于每个单独的元素（也就是每个字符串），此时x是字符串对象，自然拥有upper()方法，所以运行完全正常。
• 当你对多列（DataFrame）调用默认的apply()时，默认参数axis=0（按列处理），此时lambda函数的x是整列的Series对象，而Series并没有upper()这个方法，因此就会抛出AttributeError。

解决办法：同时将多列转为大写 #

这里有两种实用且高效的处理方式：

方法1：使用applymap()（元素级操作） #

applymap()是pandas专门为DataFrame设计的元素级操作方法，会对每个单元格的元素应用函数，完美匹配你的需求：

df.loc[:, ['a', 'b']] = df.loc[:, ['a', 'b']].applymap(lambda x: x.upper())

方法2：使用str.upper()矢量化操作（性能更优） #

pandas的字符串方法支持矢量化批量处理，不需要遍历每个元素，性能比applymap()更高效：

df[['a', 'b']] = df[['a', 'b']].str.upper()

效果验证 #

假设你的初始DataFrame是：

import pandas as pd
df = pd.DataFrame({'a': ['horse', 'dog'], 'b': ['cat', 'elephant']})

使用任意一种方法处理后，结果都会是：

内容的提问来源于stack exchange，提问作者Jack Fleeting