如何在Pandas中为DataFrame列应用单输入函数并返回多个输出？

当然有办法实现！完全不需要分别为A和B定义两个函数，而且实现起来很简洁。不过先帮你修正一下原函数里的语法问题——Python里不能用return A=3, B=5这种赋值式返回，得改成返回元组或者pandas Series才行，我先把函数修正好，再给你演示两种实用的方法：

方法1：返回元组后拆分到新列 #

先把函数改成返回元组的形式：

def func(var1):
    if var1 < 5:
        return 3, 5  # 返回元组，对应A和B的值
    elif var1 < 10:
        return 3, 10
    else:
        return 7, 10

然后给DataFrame的目标列应用这个函数，再把返回的元组拆分成两列：

import pandas as pd

# 示例DataFrame
df = pd.DataFrame({'col': [2, 7, 12, 4, 9]})

# 应用函数并拆分结果到A、B列
df[['A', 'B']] = df['col'].apply(func).tolist()

这样执行后，df就会新增A和B两列，对应每个col值的计算结果。

方法2：返回pandas Series直接生成多列 #

这种方法更直观，函数直接返回一个Series，并且可以指定列名：

def func(var1):
    if var1 < 5:
        return pd.Series([3, 5], index=['A', 'B'])
    elif var1 < 10:
        return pd.Series([3, 10], index=['A', 'B'])
    else:
        return pd.Series([7, 10], index=['A', 'B'])

然后直接应用函数到列上，结果会自动匹配列名生成新列：

df[['A', 'B']] = df['col'].apply(func)

这种方法的好处是不需要额外转成列表，而且返回的Series自带列名，代码可读性更强。

这两种方法都能让你用单个函数生成两个输出列，完全不用写重复的函数~

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