如何从map映射结果提取单独返回值以拆分经纬度列？

没问题，这事儿其实有好几条路子能走，我给你拆解清楚：

方法1：从已有的geolocation列拆分（最直接） #

如果你已经生成了geolocation列，只需要把元组里的两个元素分别提取到新列就行。这里有两种高效的方式：

方式A：用apply提取索引 #

# 提取纬度（元组第一个元素）
df['latitude'] = df['geolocation'].apply(lambda x: x[0])
# 提取经度（元组第二个元素）
df['longitude'] = df['geolocation'].apply(lambda x: x[1])

方式B：用pd.DataFrame批量拆分（更高效） #

当数据量比较大的时候，这种方法速度更快：

# 把元组列表转换成DataFrame，直接赋值给新列
df[['latitude', 'longitude']] = pd.DataFrame(df['geolocation'].tolist(), index=df.index)

方法2：直接生成经纬度列，跳过中间元组列 #

如果你不需要保留geolocation这个中间列，或者想一步到位，可以修改你的add_geolocation函数，直接生成latitude和longitude：

def add_geolocation(df, country_column):
    # 调用geolocate后直接拆分成两列
    df[['latitude', 'longitude']] = country_column.apply(
        lambda x: pd.Series(geolocate(x))  # 把元组转成Series，自动对应列
    )
    # 如果还是需要保留geolocation列，加上这行
    df['geolocation'] = list(zip(df['latitude'], df['longitude']))
    return df

关于你问的「在lambda里拆分元组」 #

你提到的先拆分latitude, longitude = geolocate(country)再单独取用的思路是可行的，但直接这么写在lambda里不太方便，不过可以换个方式实现：

# 但注意：这种方式会调用geolocate两次，效率偏低，不推荐大数据集用
df['latitude'] = country_column.apply(lambda x: geolocate(x)[0])
df['longitude'] = country_column.apply(lambda x: geolocate(x)[1])

因为每提取一次纬度或经度都要调用一次geolocate，相当于重复请求地理编码，既慢又可能浪费API配额（如果用的是第三方地理服务），所以更推荐前面两种只调用一次的方法。

内容的提问来源于stack exchange，提问作者yudhiesh