Pandas中apply返回DataFrame的函数结果异常，如何修正？

问题重现 #

原代码如下：

import pandas as pd

df = pd.DataFrame({'details': ['url1', 'url2', 'url3']})

def get_infos(x):
    if x == 'url1':
        return pd.DataFrame({'col1': ['aaa'], 'col2': ['bbb']})
    
    elif x == 'url3':
        return pd.DataFrame({'col3': ['ccc'], 'col1': ['ddd']})

执行以下拼接代码后得到不符合预期的结果：

result = pd.concat([df, df['details'].apply(get_infos)], axis=1)

print(result)

输出结果：

details                  details
0    url1    col1 col2
0  aaa  bbb
1    url2                     None
2    url3    col3 col1
0  ccc  ddd

预期输出：

details  col1  col2  col3
0    url1   aaa   bbb   NaN
1    url2   NaN   NaN   NaN
2    url3   ddd   NaN   ccc

问题原因 #

• df['details'].apply(get_infos)返回的是一个Series对象，其中每个元素是小DataFrame或None：url1对应含col1/col2的DataFrame，url3对应含col3/col1的DataFrame，url2因函数未处理返回None。
• 直接用pd.concat(axis=1)拼接时，这个Series会被当作一列（列名仍为details，与原df的列重名），且每个单元格内嵌套了小DataFrame，导致输出结构混乱。
• None值无法被解析为有效列，直接显示为单元格内容，而非填充NaN。

解决方案 #

核心思路是将apply返回的每个小DataFrame/None转换为单行Series，再与原df拼接，自动对齐列名并填充NaN。

方法一：在apply中转换为Series #

import pandas as pd

df = pd.DataFrame({'details': ['url1', 'url2', 'url3']})

def get_infos(x):
    if x == 'url1':
        return pd.DataFrame({'col1': ['aaa'], 'col2': ['bbb']})
    
    elif x == 'url3':
        return pd.DataFrame({'col3': ['ccc'], 'col1': ['ddd']})

# 处理apply结果：将每个小DataFrame取第一行转成Series，None则返回空Series
processed = df['details'].apply(
    lambda x: get_infos(x).iloc[0] if isinstance(get_infos(x), pd.DataFrame) else pd.Series()
)

# 拼接原df和处理后的结果
result = pd.concat([df, processed], axis=1)
print(result)

方法二：先合并所有小DataFrame再拼接 #

# 收集所有非None的结果，合并成一个DataFrame
info_dfs = []
for url in df['details']:
    res = get_infos(url)
    info_dfs.append(res if isinstance(res, pd.DataFrame) else pd.DataFrame())

# 合并info_dfs，重置索引后与原df拼接
combined_info = pd.concat(info_dfs, ignore_index=True)
result = pd.concat([df, combined_info], axis=1)
print(result)

两种方法都能得到预期输出，自动对齐所有列名，缺失值填充为NaN。

内容的提问来源于stack exchange，提问作者VERBOSE