如何在DataFrame部分行中通过apply为多列赋值？

安全阿岳

2026-8-25

问题原因与解决方案

问题根源

你的代码赋值后出现全NaN的原因是列名不匹配导致的索引对齐问题：

my_f返回的Series默认使用数字索引（0、1），调用apply后生成的临时DataFrame列名为0、1；
而你要赋值的目标列是C1、C2，Pandas赋值时会严格按列名对齐，找不到匹配列就会填充NaN。

解决方法

方法1：修改函数返回带指定索引的Series

让my_f返回的Series直接使用目标列名作为索引，这样apply生成的临时DataFrame列名会和目标列完全匹配：

df_test = pd.DataFrame([{'C3':1}, {'C3': 2}, {'C3': 3}, {'C3': 4}, {'C3': 5}, {'C3': 6}])

def my_f(s):
    # 指定Series的索引为目标列名
    return pd.Series(['V1', 'V2'], index=['C1', 'C2'])

# 分批次赋值
df_test.loc[0:1, ['C1','C2']] = df_test.loc[0:1, 'C3'].apply(my_f)
df_test.loc[3:4, ['C1','C2']] = df_test.loc[3:4, 'C3'].apply(my_f)

方法2：保留原函数，重命名临时DataFrame的列

如果不想修改my_f，可以在apply后将临时DataFrame的列重命名为目标列名，再执行赋值：

df_test = pd.DataFrame([{'C3':1}, {'C3': 2}, {'C3': 3}, {'C3': 4}, {'C3': 5}, {'C3': 6}])

def my_f(s):
    return pd.Series(['V1', 'V2'])

# 分批次处理：先生成临时数据并重命名列，再赋值
temp_df = df_test.loc[0:1, 'C3'].apply(my_f).rename(columns={0:'C1', 1:'C2'})
df_test.loc[0:1, ['C1','C2']] = temp_df

temp_df = df_test.loc[3:4, 'C3'].apply(my_f).rename(columns={0:'C1', 1:'C2'})
df_test.loc[3:4, ['C1','C2']] = temp_df