具体实例求指点，如何定义pandas的apply函数

老笨啊

手头数据实例如下：


数据需要关联的标准数据如下：


要求：
1. 首先根据标准数据，将各个字段，生成新的等级数据列（我已完成,生成了多个x_level的字段）
2. 需要根据生成的等级数据，并继续结合标准数据值，进行计算，生成多个新的x_new字段。
要求公式为：
1）如果等级数据为缺失值（原始数据缺失），则也返回缺失值；
2）如果等级数据为1（即最高等级），返回1.0；
3）如果等级数据为6（即最低等级），则计算公式为 (x - x(6)) / x(6)  ---x为原数据，x(6)为标准数据中第6等级的数据；
4）如果等级数据介于1和6之间，则计算公式为（x(下）-x）/(x(下） - x(上）  ---x为原数据，x(上)，x(下)即表示x所在位置对应的上下两级的标准数据值。假设X1 = 3.5，则x(上）=5，x(下）=3；

我的逻辑是为每个字段定义一个函数，放在for循环内，然后用apply命令来获得需要的值。我的代码如下：---这种做法，感觉十分耗时。。因为要生成多个函数。。
不知道有没更好的办法来处理呢。。求高手指点·~

1. #先把标准数据文件中值提取出来，将每个指标的数值转成字典格式。
   
2. std_level = {}
   
3. for zb in data.columns[:5]: #确保选到的是数据中的字段
   
4.     std_level[zb] = []
   
5.     #需考虑到指标顺序的不一致，需确保每个指标的名称与其真正的数值能正确对应
   
6.     std_level[zb].append(std.loc[std['指标']==zb,'I':'IV'].values.tolist()[0])
   
7. 
   
8. #对每个字段进行遍历,再定义函数。函数定义完一个，就应用一个。
   
9. for i in std_level:
   
10.     l_1,l_2,l_3,l_4,l_5 = std_level[i][0]  #一一对应，生成指定的数据表
    
11.     #对原x1_level的字段的空值填充为0，方便跳过数值0进行数据处理。同时便于后期与目标值比较。
    
12.     def tran_new(x):
    
13.         dj = x['%s_level'%i]
    
14.         if dj == 0:
    
15.             return np.NaN  #务必要返回np.NaN，否则返回空字符串None，影响后面的计算。
    
16.         else:
    
17.             if dj not in [1,6]: #根据介于等级1和6之间时的单因子计算公式
    
18.                 up = std_level[i][0][int(dj)]  #提取上一级的数值
    
19.                 dn = std_level[i][0][int(dj)+1] #提取下一级的数值
    
20.                 return round(dj + (up - x[i]) / (up -dn),1) #保留小数点后1位数
    
21.             else:
    
22.                 if dj == 1: #等级最高时，直接视为1.0，不再计算。
    
23.                     return 1.0
    
24.                 else: #水质等级最差情况下的计算公式
    
25.                     return round((l_5 - x[i]) / l_5 * 4,1)
    
26.     data['%s_new'%i] = data.apply(tran_new,axis=1)

复制代码

老笨啊

自己请教了网友，后面发现，并不是函数多次定义耗时。。而是函数定义好，用apply方法的时候才耗时。。
不知道什么方法可以改进没。。。或者说我的逻辑哪里需要改进的？