Python中利用lambda函数替代for循环处理DataFrame数据

Theo

发布时间：2026-10-13| 8人浏览过

原创

本文介绍在Python中处理DataFrame时，如何使用lambda函数替代传统的for循环进行数据分类。通过定义匿名函数并结合apply方法，可以简化代码逻辑，提高数据处理效率，适用于分数等级判定等场景。

具体应用场景如下：

假设当前存在一个DataFrame对象，其中包含名为score的列，该列的数值范围介于0到100之间。

该DataFrame的数据结构示意如下：

score

接下来的任务是为该DataFrame新增一列level，用于对上述分数进行等级划分：分数大于90分归类为A，60分至90分（含60分）归类为B，低于60分则归类为C。

常规的处理思路通常是使用for循环遍历DataFrame的每一行，逐行判断并赋值。

import pandas as pd
list = [98,88,37,68,86,33]
df = pd.DataFrame(list, columns=['score']) # convert list to dataframe
df['level'] = '' # add a column
def judgeLevel(df):
 for i in range(len(df)):
  if df.score.ix[i] < 60:
   df.level.ix[i] = 'C'
  elif df.score.ix[i] > 90:
   df.level.ix[i] = 'A'
  else:
   df.level.ix[i] = 'B'
 return df
df = judgeLevel(df)

另一种可行的方案是引入Python的匿名函数，即lambda函数来实现这一功能。

import pandas as pd 
 
list = [98,88,37,68,86,33] 
 
df = pd.DataFrame(list, columns=['score']) 
 
df['level'] = '' # add a column 
 
def judgeLevel(df): 
 if df['score'] < 60: 
  return 'C' 
 elif df['score'] > 90: 
  return 'A' 
 else: 
  return 'B' 
 
df['level'] = df.apply(lambda r: judgeLevel(r), axis=1)

关于这两种方法的具体取舍，读者可根据实际需求自行决定。掌握多种实现方式无疑有助于提升编程灵活性。

以上即为Python中使用lambda函数替代for循环处理DataFrame的完整介绍，希望能为读者提供有价值的参考，欢迎继续支持本站获取更多技术内容。