Kaggle教程与Pandas文档中apply修改DataFrame行的疑问

背景与示例代码 #

我正在通过Kaggle教程学习Pandas，看到如下示例（reviews为DataFrame）：

review_points_mean = reviews.points.mean()
reviews.points.map(lambda p: p - review_points_mean)

def remean_points(row):
    row.points = row.points - review_points_mean
    return row

reviews.apply(remean_points, axis='columns')

我注意到remean_points函数会修改传入的row参数并返回它，但Pandas官方文档中关于DataFrame.apply的说明指出：修改传入对象的函数可能产生意外行为或错误，不受支持。文档示例是移除行元素的操作，而该函数仅修改行元素值，因此有以下疑问：

• 尽管remean_points修改了row参数，它是否被Pandas官方支持？
• 该函数是否未被Pandas官方允许，但因仅修改行元素值而在当前版本中可用？
• 是否存在我理解有误的情况？

同时我想了解：该示例目前可运行，这种写法在未来Pandas版本中是否仍可用，以及是否是修改值时使用apply的推荐方式（另一种方式是先复制row再修改）。

解答 #

核心结论 #

直接修改apply传入的行对象（row）的写法，是Pandas官方不推荐、也不保证长期支持的用法，哪怕当前能正常运行。

针对疑问的具体解答 #

1. 是否被官方支持？
   不支持。Pandas官方文档对DataFrame.apply的明确说明中，修改传入的对象（无论修改的是元素值还是行结构）都属于未定义行为，官方不会保证这种用法的正确性和跨版本兼容性。

2. 是否因仅修改值当前可用？
   当前能运行只是依赖Pandas内部实现细节的“侥幸”情况。apply传入的row可能是原DataFrame的视图而非独立副本，修改它可能会意外修改原DataFrame（本例中未出现是因为最终返回了修改后的行，实际行为完全由内部逻辑决定）。一旦Pandas优化内部实现，这种写法就可能失效。

3. 是否理解有误？
   你的理解没有错误。官方的禁止范围不仅限于修改行结构（比如移除元素），修改元素值同样属于不被支持的范畴——只要是对传入的row对象本身进行修改操作，都属于未定义行为。

关于未来可用性与推荐写法 #

• 未来兼容性：这种写法在未来Pandas版本中大概率会出现问题。比如官方可能会强制传入副本，到时修改row的操作只会影响临时副本，无法体现在返回结果中，甚至可能抛出错误。
• 推荐写法：
  1. 若必须使用apply，应先复制行对象再修改，避免触碰原传入对象：

  def remean_points(row):
      new_row = row.copy()
      new_row.points = new_row.points - review_points_mean
      return new_row
  
  reviews.apply(remean_points, axis='columns')
  

  2. 更优的方案是完全避免apply，使用Pandas原生的向量化运算（效率远高于循环式的apply）：

  reviews.points - reviews.points.mean()
  

  这才是符合Pandas设计理念的规范写法，既高效又不存在兼容性风险。

内容的提问来源于stack exchange，提问作者A SJ