使用apply方法时，Pandas会移除lambda表达式。

Question

在pandas管道中，我知道的最佳方法是按行创建一个新列，假设有一个数据框 df，则可以像下面这样：

```python df['new_column'] = df.apply(lambda row: some_function(row), axis=1) ```

(df
 . (...)
 .assign(new_col = lambda df_: df_.apply(lambda row: my_function(row), axis=1)
)

assign需要一个pd.Series，这个pd.Series通过apply逐行构建。
我觉得这种策略太冗长了（在单行代码中有两个lambda函数）。是否有更简单和/或更有效的方法来达到相同的结果？ 我正在考虑类似于以下语法：

 .assign(new_col = lambda row: my_function(row), axis=1)

谢谢。

- Paul-Darius

---

两个lambda可能是多余的。请展示my_function。 - Parfait

.assign(new_col = lambda df_: df_.apply(my_function, axis=1)) 是解决这个问题的方案。 - Paul-Darius

Answer 1

正如您所发现的，pd.DataFrame.apply可以接受函数。将lambda row: my_function(row)应用于每一行是一种混淆的方法，因为lambda只是一个匿名函数。因此，直接提供 my_function：

df.(...)\
  .assign(new_col=lambda df_: df_.apply(my_function, axis=1))

请注意，如果在my_function中使用的列未更改且数据框索引在先前逻辑中保持不变，则可以简化您的逻辑：

df.(...)\
  .assign(new_col=df.apply(my_function, axis=1))

- jpp