Python使用lambda将pd.DataFrame应用于嵌套循环是否可行？

我试图通过使用lambda apply创建一个新列来避免python中的嵌套循环 使用以下参数：

from pandas import *
import pandas as pd    
df = pd.DataFrame((np.random.rand(100, 4)*100), columns=list('ABCD'))
df['C'] = df.apply(lambda A,B: A+B)

TypeError:（“（）正好接受2个参数（给定1个）”，u'出现在索引A'）

---

显然，这不起作用，有什么建议吗

是否要添加列

A

和列

B

，并将结果存储在

C

中？然后你可以让它更简单：

df.C = df.A + df.B

---

正如@EdChum在注释中指出的那样，

apply

中函数的参数是一个系列，默认情况下位于轴

0

上，该轴是行（轴

1

表示列）：

在这里，我们添加第一行和第二行：

>>> df.apply(lambda s: s[0] + s[1])
A    143.425475
B    125.411981
C    111.561680
D    120.786886
dtype: float64

要处理列，请使用

axis=1

关键字参数：

>>> df.apply(lambda s: s[0] + s[1], axis=1)
0     130.235156
1     138.602299
2      26.991364
3     143.229523
...
98    152.640811
99     90.266934

产生与按名称引用列相同的结果：

>>> (df.apply(lambda s: s[0] + s[1], axis=1) == 
     df.apply(lambda s: s['A'] + s['B'], axis=1))
0     True
1     True
2     True
3     True
...
98    True
99    True

---

默认情况下，应用程序无法按列运行，而且您误解了lambda参数实际表示的内容，因此lambda func无法按预期映射到列。如果你想让它按行运行，你需要像这样做

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

但是@miku的答案会达到你想要的效果，并且是正确的simpler@EdChum，

df.apply（lambda s:s.A+s.C，axis=1）

生成一个

AttributeError:（“'Series'对象没有属性'A'”在0.12中，u'出现在指数0'）

；但是，

df.apply（lambda s:s['A']+s['C']，axis=1）

起作用。@miku没有意识到这一点，看起来像是一个在0.12中修复的错误，我个人总是使用

[]

，因为它对我来说更容易理解。谢谢你指出这一点，你说对了。谢谢：）

>>> (df.apply(lambda s: s[0] + s[1], axis=1) == 
     df.apply(lambda s: s['A'] + s['B'], axis=1))
0     True
1     True
2     True
3     True
...
98    True
99    True