Pandas：调用函数生成多新变量时结果转置的问题解决

问题原因 #

你用df.apply(lambda x: Powers(x.x), axis=1)时，返回的是一个元素为列表的Series。当直接把这个Series赋值给多列时，Pandas会将每个列表的元素按列维度展开，最终导致行列转置的结果。而axis=0是逐列处理，此时x代表整列，没有x.x属性，自然报错；当DataFrame长度变化时，列表长度和列数不匹配也会触发错误。

解决方法 #

方法1：让apply返回Series而非列表

修改lambda表达式，将Powers的返回结果转为pd.Series，这样apply会直接生成对应列的DataFrame，赋值时就能正确匹配：

import pandas as pd

def Powers(x):
    return [x, x**2, x**3, x**4, x**5]

df = pd.DataFrame({'x':(1, 2, 3, 4, 5)})
# 修改apply逻辑，返回Series
df[['Exp_1', 'Exp_2', 'Exp_3', 'Exp_4', 'Exp_5']] = df.apply(lambda x: pd.Series(Powers(x.x)), axis=1)

方法2：用向量化运算替代apply（推荐）

apply是逐行循环，效率较低。直接利用Pandas的向量化特性计算各次幂，更高效且避免转置问题：

import pandas as pd

df = pd.DataFrame({'x':(1, 2, 3, 4, 5)})
# 直接生成各次幂列
for i in range(1, 6):
    df[f'Exp_{i}'] = df['x'] ** i

方法3：将apply结果转为DataFrame再合并

如果必须保留自定义Powers函数，可先将apply返回的列表转为DataFrame，再和原表合并：

import pandas as pd

def Powers(x):
    return [x, x**2, x**3, x**4, x**5]

df = pd.DataFrame({'x':(1, 2, 3, 4, 5)})
# 把apply结果转为DataFrame
exp_df = pd.DataFrame(df['x'].apply(Powers).tolist(), columns=['Exp_1', 'Exp_2', 'Exp_3', 'Exp_4', 'Exp_5'])
# 和原df合并
df = pd.concat([df, exp_df], axis=1)

内容的提问来源于stack exchange，提问作者brb