【pandas】对整个DataFrame使用apply方法及一些注意事项（设置axis，空值陷阱，获取index列信息）

在pandas中，“apply+lambda函数”是数据批量处理最效率、最简洁的方法。

在实际工作中，我们常会遇到批量处理列数据的情况，比如我们需要将表格中某一列数据的第1个字符提取出来，存入新的一列；或者我们需要将某两列数据进行配对比较，将较大的一个数存放到新的一列中。这就涉及到了列数据按规则批量赋值，其中这个规则，便是lambda函数。

对某一列使用apply+lambda

对一列使用apply+lambda函数非常简单，直接以代码做例子：

df['ApartmentNum'] = df['Apartment'].apply(lambda x:x[-4:])

对一列使用apply的本质即 对一个pandas的Series对象中的内容做函数变换。

对一整个DataFrame使用apply

当需要对每一行的超过两 列/字段 的数据进行批处理，并新生成一列时，便需要对一整个DataFrame使用apply。
比如下图，我们需要将上面数据表的Apartment这一列的后4位数字，和ID这一列的前3位数字合并起来，存放到新的一列“ApartmentID”中。

处理代码为：

df['Apartmen