如何在Pandas DataFrame中应用函数并生成指定结构的新DataFrame

问题原因 #

直接用df.apply(..., axis=1)调用get_returns时，返回的是一个Series对象，其中每个元素是对应公司的收益率Series，而非你期望的多列DataFrame。因为apply(axis=1)会把每一行的处理结果作为单个元素存入结果Series，不会自动将子Series按列拼接。

解决方案 #

方法1：循环遍历+合并（直观易读） #

遍历公司列表，逐个获取收益率Series，再用pd.concat按列合并，自动对齐日期索引：

import yfinance as yF
import pandas as pd

# 原始公司列表DataFrame
df = pd.DataFrame({'ID':['1', '2'], 'Ticker': ['AIN', 'TILE'], 'Company':['Albany International', 'Interface']})

def get_returns(tic, com):
    df_Stock = yF.download(tickers=tic, period="max", interval="1mo", prepost=False, repair=False)
    # 按你原逻辑计算：开盘到最高价的月度涨幅
    growth_col = f"{com} % Growth"
    df_Stock[growth_col] = (df_Stock['High'] - df_Stock['Open']) / df_Stock['Open'] * 100
    return df_Stock[growth_col]

# 收集所有公司的收益率数据
returns_data = []
for _, row in df.iterrows():
    returns_series = get_returns(row['Ticker'], row['Company'])
    returns_data.append(returns_series)

# 合并为宽表，将日期转为列
df1 = pd.concat(returns_data, axis=1).reset_index().rename(columns={'index': 'Date'})

方法2：改进apply用法（更简洁） #

先用apply收集所有子Series，再提取后合并：

# 用apply获取每个公司的收益率Series
returns_series = df.apply(lambda x: get_returns(x.Ticker, x.Company), axis=1)
# 将子Series列表按列合并
df1 = pd.concat(returns_series.tolist(), axis=1).reset_index().rename(columns={'index': 'Date'})

可选：调整收益率计算逻辑 #

如果你需要的是传统月度收益率（而非开盘到最高价的涨幅），可以修改get_returns中的计算代码：

• 月度收盘价相对开盘价的涨幅：

  df_Stock[growth_col] = (df_Stock['Close'] - df_Stock['Open']) / df_Stock['Open'] * 100
  

• 月度收益率（相对上月收盘价）：

  df_Stock[growth_col] = df_Stock['Close'].pct_change() * 100
  

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