Python 熊猫数据帧基于多列输入应用lambda

假设我有一个数据帧，看起来像这样：

---

如何在数据帧上应用lambda使FullName=FirstName+''+LastName？据我所知，数据帧中的lambda只有一个输入？谢谢

我认为

apply

这里没有必要，只需将列与

+

连接在一起：

df['FullName'] = df.FirstName + ' ' + df.LastName

或使用：

可以使用

lambda

进行解决，但速度较慢：

df['FullName'] = df.apply(lambda x: x.FirstName + ' ' + x.LastName, axis=1)

---

完美的成功了：-）不幸的是，我必须使用lambda，因为我遇到的问题更复杂（有if语句）。为了简单起见，我发布了这个示例。关于速度的后续问题…lambda在一般情况下慢还是在这种特定情况下慢（当应用于数据帧时）？@ShadyMBA-这取决于公式。但通常是使用

apply

这很慢，因为引擎盖下的循环。@ShadyMBA-然后使用@ShadyMBA-你能测试

df['GlobalName']=np.其中（（df['GlobalName']==''）和（df['IsPerson']），df['CleanName']，''）

三种解决方案：

%timeit df['GlobalName'][df['GlobalName']=='=''=df.apply（lambda x:x['CleanName']['IsPerson']==True-else'，axis=1）

%timeit-df['GlobalName'][df['GlobalName']==''']=np.其中（df['IsPerson']==True，df['CleanName']，''）

%timeit-df['GlobalName']=np.其中（（df['IsPerson']=True）和（df['GlobalName']==''）、df['CleanName']、df['GlobalName']39.6 ms 40.6 ms 1.21 ms与其他两种解决方案相比，第三种解决方案速度超快。

df['FullName'] = df.apply(lambda x: x.FirstName + ' ' + x.LastName, axis=1)