应用返回字典的自定义函数时，如何高效为DataFrame新增列？

现有一个DataFrame对象df，自定义函数tFunc定义如下：

import random
def tFunc(row):
    if (random.random()>0.5):
        info={'A': 'a', 'B': 'b', 'C': 'c', 'D': 'd'}
    else:
        info={'A': 'a', 'B': 'b', 'C': 'c'}
    return info
    # Workaround
    # for key in info:
    #     row[key]=info[key]
    # return row

df.apply(tFunc, axis=1, result_type='expand')

该函数返回字典info，希望扩展现有df，请问是否存在比上述注释中的临时解决方案更优、更快的实现方式？

高效实现方案 #

方案一：直接用join合并扩展结果 #

你当前写的df.apply(tFunc, axis=1, result_type='expand')本身就能把字典展开成新的DataFrame，直接用join和原DataFrame合并即可，比注释里的逐行修改方法高效得多：

df = df.join(df.apply(tFunc, axis=1, result_type='expand'))

• 优势：代码简洁，result_type='expand'会自动处理字典中缺失的键（比如部分行没有D键时，对应位置填充NaN），无需手动循环处理每一行。

方案二：预生成结果再拼接（性能最优） #

如果DataFrame行数较多，apply的逐行处理会有性能瓶颈，建议预先生成所有行的结果列表，再转成DataFrame后拼接：

import pandas as pd
import random

def tFunc(row):
    if random.random() > 0.5:
        return {'A': 'a', 'B': 'b', 'C': 'c', 'D': 'd'}
    else:
        return {'A': 'a', 'B': 'b', 'C': 'c'}

# 预生成所有行的结果
results = [tFunc(None) for _ in range(len(df))]
# 转换为DataFrame
new_cols = pd.DataFrame(results)
# 合并到原DataFrame
df = pd.concat([df, new_cols], axis=1)

• 优势：避免了apply的逐行循环开销，列表推导生成结果的速度远快于apply，适合大数据量场景。

补充说明 #

• 如果原DataFrame已存在A、B等列，concat或join会自动给重复列名添加后缀（如A_x、A_y）；若需要覆盖原列，可直接赋值：df[new_cols.columns] = new_cols。
• 注释里的逐行修改row的方法不仅性能差，还可能因为row是原DataFrame的视图/副本导致意外问题，不推荐使用。

内容的提问来源于stack exchange，提问作者Dr.PB