Pandas DataFrame：多输入列转多输出列的最优实现方法？

你可以直接利用Pandas的apply方法结合result_type='expand'参数，一步完成自定义函数的应用和结果的展开，完全省去中间转换Series的繁琐步骤：

优化后的代码 #

import pandas as pd

def fn(a):
    return (min(a), max(a), a[0], a[-1])

df = pd.DataFrame([(2, 4, 5, 1, 3), (12, 14, 15, 11, 13), (20, 40, 50, 10, 30)], index=['a', 'b', 'c'])

# 直接对每行应用函数并展开结果为DataFrame
result_df = df.apply(fn, axis=1, result_type='expand')
print(result_df)

输出结果和你原来的实现完全一致：

0   1   2   3
a   1   5   2   3
b  11  15  12  13
c  10  50  20  30

关键说明 #

• axis=1指定对每行应用自定义函数（如果你的需求是处理每列，只需把axis=1改成axis=0）
• result_type='expand'会自动将函数返回的元组/列表展开为DataFrame的列，无需手动转换values.tolist()
• 这个写法直接从原DataFrame生成目标结果，代码更简洁，可读性更强

如果你的自定义函数无法进行向量化改造（必须逐行/列处理），这就是当前最简洁高效的实现方式；如果函数逻辑允许拆分，你也可以用Pandas内置的向量化方法组合实现（比如df.min(axis=1)、df.max(axis=1)等），性能会进一步提升，但这不符合你“必须使用自定义函数”的要求。

内容的提问来源于stack exchange，提问作者Bean Taxi