如何在 Pandas 中使用列名列表批量传递多列数据给 apply 函数

在Pandas的数据处理场景中，apply函数是实现自定义逻辑批量处理的核心工具，当我们需要同时对多列数据进行运算时，通过列名列表批量传递多列数据给apply函数可以大幅减少重复代码，提升处理效率。

apply函数的基本处理逻辑

apply函数可以作用于DataFrame的行或列，默认按列处理，当设置axis=1时会按行处理。如果我们需要自定义函数处理多列数据，就需要把对应的多列数据作为参数传递给自定义函数。

假设我们有如下的示例DataFrame：

import pandas as pd

# 构造示例数据
data = {
    "name": ["张三", "李四", "王五"],
    "math_score": [90, 85, 78],
    "chinese_score": [88, 92, 80],
    "english_score": [95, 88, 82]
}
df = pd.DataFrame(data)
print(df)

通过列名列表批量传递多列数据的方法

方法一：直接通过列名列表选取多列后调用apply

我们可以先通过列名列表从DataFrame中选取对应的多列，然后调用apply函数，此时自定义函数的输入参数就是每一行的多列数据组成的Series。

比如我们需要计算每个学生的三科总分，列名列表为["math_score", "chinese_score", "english_score"]，实现代码如下：

# 定义计算总分的自定义函数
def calculate_total(row):
    # row是包含多列数据的Series，通过列名取值
    return row["math_score"] + row["chinese_score"] + row["english_score"]

# 列名列表
score_cols = ["math_score", "chinese_score", "english_score"]
# 按行处理，axis=1表示对每一行应用函数
df["total_score"] = df[score_cols].apply(calculate_total, axis=1)
print(df)

方法二：传递列名列表给apply内部的自定义函数

如果自定义函数需要动态接收列名列表，也可以在apply内部通过列名列表动态取值，这种方式更适合列名列表需要灵活变化的场景。

# 自定义函数接收行数据和列名列表
def calculate_sum_by_cols(row, cols):
    total = 0
    for col in cols:
        total += row[col]
    return total

score_cols = ["math_score", "chinese_score", "english_score"]
# 使用lambda传递列名列表参数
df["total_score"] = df.apply(lambda row: calculate_sum_by_cols(row, score_cols), axis=1)
print(df)

常见注意事项

• 使用列名列表选取多列时，要确保列表中的所有列名都存在于DataFrame中，否则会抛出KeyError。
• 按行处理多列数据时，必须设置axis=1，如果遗漏该参数，apply会默认按列处理，导致逻辑错误。
• 如果自定义函数需要处理大量数据，apply的效率可能不如向量化操作，此时可以考虑先通过列名列表选取多列后直接进行向量化运算。

向量化替代方案参考

对于简单的求和、求均值等操作，不需要使用apply，直接通过列名列表选取多列后调用对应的向量化方法效率更高：

score_cols = ["math_score", "chinese_score", "english_score"]
# 直接对多列求和，效率高于apply
df["total_score"] = df[score_cols].sum(axis=1)
print(df)

Pandasapply函数列名列表多列数据批量处理修改时间：2026-06-27 10:51:27