如何将函数返回值通过apply拆分为Pandas DataFrame多列？

问题原因分析 #

1. 直接解包报错ValueError: too many values to unpack (expected 3)：
   df['text'].apply(f)返回的是元素为三元组的Series，你试图将整个Series（包含N个元素，N为DataFrame行数）解包为3个变量，数量不匹配导致报错。

2. 生成单列('a', 'b', 'c')：
   df['a', 'b', 'c']是将元组('a','b','c')作为单个列名，而非三个独立列名，因此只会新增一列。

3. 用axis=1和result_type报错：
   你是对Series（df['text']）调用apply，而这两个参数仅适用于对DataFrame调用apply的场景，所以会提示参数不存在。

正确解决方案 #

方案一：将apply结果转为DataFrame后赋值 #

利用pd.Series将每个三元组拆分为列，再赋值给原DataFrame的新列：

import pandas as pd

# 假设函数f已定义
df[['a', 'b', 'c']] = df['text'].apply(f).apply(pd.Series, columns=['a', 'b', 'c'])

如果不指定columns，默认列名为0,1,2，之后可通过df.rename(columns={0:'a',1:'b',2:'c'}, inplace=True)重命名。

方案二：用map生成三元组列表再转DataFrame #

这种方式效率更高，适合大数据集：

df[['a', 'b', 'c']] = pd.DataFrame(list(map(f, df['text'])), index=df.index)

map(f, df['text'])会将每个text传入函数f，生成三元组的迭代器，转成列表后直接创建DataFrame，再通过索引对齐赋值给原df。

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