Pandas DataFrame解包报错：Too many values to unpack 求助

问题原因 #

你当前的写法oil_df["Oils"].apply(get_data).transpose().values在数据行数超过2时出错，核心原因是：

• apply(get_data)返回的是一个Series，每个元素是包含两个值的元组
• 对这个Series执行transpose()不会改变其结构，最终values是一个一维数组（包含N个元组，N为数据行数）
• 当尝试把这个一维数组赋值给两个列时，行数>2会触发“Too many values to unpack”——因为数组有N个元素，而你只提供了2个变量接收

两行时看似正常，其实是巧合：一维数组有2个元组，刚好能被两个变量分别接收，但此时每列会被赋值为整个元组，并非你期望的拆分后的值。

正确解决方案 #

方案1：将apply结果转为DataFrame直接赋值 #

这是最直观的方法，利用pd.Series将每个元组拆分为单独的列：

# 将apply返回的元组Series转换为DataFrame
result = oil_df["Oils"].apply(get_data).apply(pd.Series)
# 直接赋值给目标列
oil_df[["Price", "Unit"]] = result

或者更简洁的一行写法：

oil_df[["Price", "Unit"]] = oil_df["Oils"].apply(get_data).apply(pd.Series)

方案2：使用from_records快速转换 #

利用pd.DataFrame.from_records直接处理元组序列，效率略高于方案1：

oil_df[["Price", "Unit"]] = pd.DataFrame.from_records(oil_df["Oils"].apply(get_data))

方案3：用字典映射替代自定义函数（性能最优） #

如果你的映射规则固定，用字典替代条件判断的自定义函数，能大幅提升处理速度（尤其数据量大时）：

# 定义油种与价格、单位的映射字典
oil_mapping = {
    "Oil 1": (20, 50),
    "Oil 2": (30, 75),
    "Oil 3": (40, 100)
}
# 用map获取元组，再转为DataFrame赋值
oil_df[["Price", "Unit"]] = oil_df["Oils"].map(oil_mapping).apply(pd.Series)

关于axis=1报错的说明 #

你尝试的axis=1, result_type='expand'是针对DataFrame.apply的参数，而你是对Series.apply调用，Series的apply没有axis参数（默认仅按元素处理），因此会触发参数错误。

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