使用Lambda为DataFrame批量填充多列时遇ValueError问题求助

我有如下DataFrame：

TABLE_NAME  jace  building    equipment
0  R338_1_FAHU2_SUPAIR_TEMP          NaN       NaN        NaN
1  R1001_1_R1005_1_FAHU_1_CO2_SEN2   NaN       NaN        NaN

我编写了一个子函数fill，可解析TABLE_NAME列的内容并返回三个值：

import re

def fill(tablename='R338_1_FAHU2_SUPAIR_TEMP'):
    jace,building,equipment=re.findall('(^[RP].*?_[1-9])_*(.*?)_(F.*)',tablename)[0]
    if not len(building):
        building=re.findall('(.*)_',jace)[0]
    return jace,building,equipment

该函数对第一行返回结果为：

('R338_1', 'R338', 'FAHU2_SUPAIR_TEMP')

我希望将这些值填充到DataFrame的jace、building、equipment列中，尝试了以下代码：

df[['jace','building','equipment']]=df['TABLE_NAME'].apply(lambda x: (fill(x)))

但触发错误：

ValueError: Must have equal len keys and value when setting with an iterable

我也曾在apply中添加axis=1，但似乎与Lambda存在冲突。请问如何实现需求？（我可以使用fill(x)[0]、fill(x)[1]这类硬编码方式，但希望避免）

可以通过以下几种方式实现，避免硬编码索引：

方法1：使用apply+pd.Series #

在lambda中将fill的返回值转为pd.Series，apply会生成包含三列的DataFrame，直接赋值即可：

import pandas as pd

df[['jace', 'building', 'equipment']] = df['TABLE_NAME'].apply(lambda x: pd.Series(fill(x)))

方法2：使用apply的expand参数（pandas 0.23+支持） #

直接在apply中设置expand=True，会将返回的元组自动展开为多列：

df[['jace', 'building', 'equipment']] = df['TABLE_NAME'].apply(fill, expand=True)

方法3：修改fill函数返回pd.Series #

调整fill函数的返回值为Series，apply后直接得到可匹配目标列的结构：

def fill(tablename='R338_1_FAHU2_SUPAIR_TEMP'):
    jace,building,equipment=re.findall('(^[RP].*?_[1-9])_*(.*?)_(F.*)',tablename)[0]
    if not len(building):
        building=re.findall('(.*)_',jace)[0]
    return pd.Series([jace, building, equipment], index=['jace', 'building', 'equipment'])

df[['jace', 'building', 'equipment']] = df['TABLE_NAME'].apply(fill)

以上方法都能直接将fill返回的三个值对应填充到目标列中，无需硬编码索引。

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