如何在Pandas中对单列值应用函数后拆分结果填充多列？

正确实现方法 #

你需要先对Column A应用目标函数，将返回的列表拆分为多列，再直接赋值给原DataFrame的对应列。以下是两种高效的实现方式：

方法1：使用apply(pd.Series)直接赋值

import pandas as pd

# 定义你的自定义函数（替换为实际业务逻辑）
def func(s):
    # 返回固定长度的列表，示例逻辑仅作演示
    return [f"func({s})[0]", f"func({s})[1]"]

# 将函数结果拆分后直接覆盖目标列
df[["Column B", "Column C"]] = df["Column A"].apply(func).apply(pd.Series)

方法2：使用pd.DataFrame.from_records（大数据量更高效）

如果数据集规模较大，推荐用这种方法，性能优于apply(pd.Series)：

df[["Column B", "Column C"]] = pd.DataFrame.from_records(df["Column A"].apply(func))

错误原因分析 #

你之前的代码逻辑存在问题：

df.iloc[:,1:].apply(lambda y: df["Column A"].apply(lambda x: list(map(func, x)))

这段代码是对Column B和Column C分别执行赋值，每一列都被整体赋值为Column A所有元素的函数结果列表，导致每列的每个单元格都是完整列表，而非拆分后的单个元素。

完整示例验证 #

# 创建测试DataFrame
df = pd.DataFrame({
    "Column A": ["String1", "String2"],
    "Column B": [None, None],
    "Column C": [None, None]
})

# 应用函数并赋值
df[["Column B", "Column C"]] = df["Column A"].apply(func).apply(pd.Series)

# 输出结果
print(df)

输出结果符合预期：

Column A         Column B         Column C
0  String1  func(String1)[0]  func(String1)[1]
1  String2  func(String2)[0]  func(String2)[1]

内容的提问来源于stack exchange，提问作者brandon miller