如何使用df.apply()返回多个值？

可以实现你的需求，核心思路是用**可变对象（比如列表）**来存储全局的message，让自定义函数只返回每行的计算结果给DataFrame的新列，同时在函数内部将message存入可变对象中，后续直接从该对象取出即可。

具体实现步骤 #

1. 定义一个空的可变容器（比如列表），用于存储message（列表是可变类型，函数内部修改会同步到外部）。
2. 改写自定义函数：仅返回每行的计算结果，同时在函数内部将message存入容器（可加判断避免重复写入）。
3. 调用apply生成Result列，之后从容器中取出独立的message。

代码示例 #

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'Column1': [1, 2, 3], 'Column2': [4, 5, 6]})

# 定义存储message的容器
msg_container = []

def custom_function(row):
    # 每行的计算逻辑
    result = row['Column1'] + row['Column2']
    # 仅在第一次调用时生成并存储message（避免重复写入）
    if not msg_container:
        # 这里可以根据实际需求生成message，比如统计处理行数
        message = f"计算完成，共处理{len(df)}行数据"
        msg_container.append(message)
    return result

# 生成Result列
df['Result'] = df.apply(custom_function, axis=1)
# 获取独立的message变量
message = msg_container[0]

# 验证结果
print(df)
print(message)

为什么之前的方法无效？ #

• 第一种写法[df['Result'] = df.apply(...), message] = df.apply(...)是Python语法错误，apply返回的是Series对象，无法直接拆分为列赋值和变量。
• 第二种返回元组的方式，apply会将每行返回的元组拆分为多列，导致message被添加为每行的列值，而非独立变量。

内容的提问来源于stack exchange，提问作者subodhpokhrel7