如何在Pandas中基于idx列值，用单个apply语句生成多列？

方法1：单个apply语句生成多列 #

可以通过apply逐行处理并返回包含目标列的Series，一次性生成所有需要的列。考虑到你提到的不同行列表长度不同的情况，加入索引越界判断避免报错：

import pandas as pd
import random

# 生成适配不同列表长度的测试数据
nrows = 5
a = [[random.randint(0, 10) for _ in range(random.randint(1,4))] for i in range(nrows)]
b = [[random.randint(0, 10) for _ in range(random.randint(1,4))] for i in range(nrows)]
c = [[random.randint(0, 10) for _ in range(random.randint(1,4))] for i in range(nrows)]
idx = [random.randint(0, 3) for i in range(nrows)]
df = pd.DataFrame({'a': a, 'b': b, 'c': c, 'idx': idx})

# 单个apply生成三列
df[['a_des', 'b_des', 'c_des']] = df.apply(
    lambda row: pd.Series(
        [
            row['a'][row['idx']] if row['idx'] < len(row['a']) else None,
            row['b'][row['idx']] if row['idx'] < len(row['b']) else None,
            row['c'][row['idx']] if row['idx'] < len(row['c']) else None
        ],
        index=['a_des', 'b_des', 'c_des']
    ),
    axis=1
)

方法2：更高效的批量遍历（推荐） #

apply是逐行遍历，数据量大时效率较低。用循环结合列表推导式能大幅提升速度，且扩展性更强——新增列只需在列表中添加对应列名：

# 定义源列和目标列的对应关系
source_cols = ['a', 'b', 'c']

# 批量生成目标列
for col in source_cols:
    df[f'{col}_des'] = [lst[i] if i < len(lst) else None for lst, i in zip(df[col], df['idx'])]

方法3：封装函数复用逻辑 #

如果需要更清晰的代码结构，可将提取逻辑封装成函数，再批量调用：

def extract_element(col_name, df):
    return [lst[i] if i < len(lst) else None for lst, i in zip(df[col_name], df['idx'])]

# 批量生成目标列
source_cols = ['a', 'b', 'c']
for col in source_cols:
    df[f'{col}_des'] = extract_element(col, df)

内容的提问来源于stack exchange，提问作者DeltaIV