Pandas问题：使用DataFrame.apply求日期列最大值时出错的原因

你犯的核心错误是没给apply指定axis=1参数——df.apply()默认按列（axis=0）执行，此时你拿到的row其实是每一列的Series，索引是行标签（Row1、Row2），根本不是你以为的“每行数据”，这直接导致所有索引操作全部失效。

逐个解析错误写法 #

• 第一种写法：row.loc[row.index[0], ['A','B']]
  因为row是列Series，row.index[0]是行标签（比如Row1），row.loc[row.index[0]]已经是该列的单个值，再套一层['A','B']相当于给单个值加双重索引，因此报IndexingError: Too many indexers。

• 第二种写法：row['A','B']
row的索引是行标签，不存在('A','B')这个键，且不是多级索引，触发KeyError。

• 第三种写法：row['A']
row的索引是Row1、Row2，没有A这个索引键，同样触发KeyError。

为什么type(row)返回nan？ #

当apply按列执行时，你返回的type对象无法被pandas转换成DataFrame列支持的标准数据类型（如数值、日期），因此被强制转换为nan。如果指定axis=1，type(row)会正确返回<class 'pandas.core.series.Series'>。

正确写法 #

方法1：修正apply参数（适合自定义逻辑场景）

指定axis=1让apply按行处理，直接取指定列的最大值，避免重复写row：

df['MaxDate'] = df.apply(lambda row: row[['A', 'B']].max(), axis=1)

方法2：向量化操作（更高效，优先推荐）

完全不需要apply，直接对指定列调用max并指定axis=1，性能远高于apply（尤其大数据量时）：

df['MaxDate'] = df[['A', 'B']].max(axis=1)

执行后得到正确结果：

内容的提问来源于stack exchange，提问作者user2153235