如何对pandas DataFrame逐行应用返回多行DF的函数并合并结果

安全阿岳

2026-8-27

问题说明

我的问题与Stack Overflow上一则关于「apply返回DataFrame后和原DataFrame合并」的问题相关，现有代码如下：

import pandas as pd
col = ['State','Annual Salary']
dat = [['New York', 132826], ['New Hampshire',128704], ['California',127388], ['Vermont',121599], ['Idaho',120011]]
df = pd.DataFrame(dat, columns=col)

def get_taxes_from_api(state, annual_salary):
    return pd.DataFrame({'State': [state, state], 
                         'annual.fica.amount': [int(annual_salary * 0.067),
                                                int(annual_salary * 1.067)], 
                         'annual.federal.amount': [int(annual_salary * 0.3),
                                                   int(annual_salary * 1.3)], 
                         'annual.state.amount': [int(annual_salary * 0.048),
                                                 int(annual_salary * 1.048)]})

需求是将get_taxes_from_api应用到原df的每一行，再把所有函数返回的DataFrame合并为一个统一的DataFrame。
和已有问题的场景差异：我的自定义函数返回的是多行DataFrame，而非单行DataFrame，原有适配单行返回的方案无法直接使用。

解决方案

针对逐行调用返回多行DataFrame的场景，直接用列表收集所有返回结果后一次性合并即可，两种常用写法如下：

方法1：iterrows遍历 + concat（推荐，性能更好）
逐行遍历原DataFrame传入参数，把每个子DataFrame存入列表，最后调用pd.concat一次性合并、重置索引即可：
```
result = pd.concat(
    [get_taxes_from_api(row['State'], row['Annual Salary']) for _, row in df.iterrows()],
    ignore_index=True
)
```

方法2：apply写法
如果更习惯用apply的链式写法，可以把apply返回的所有子DataFrame转成列表再合并：

result = pd.concat(
    df.apply(lambda x: get_taxes_from_api(x['State'], x['Annual Salary']), axis=1).to_list(),
    ignore_index=True
)

两种写法得到的结果完全一致，每个州对应2行税务计算结果，前2行输出样例如下：

State  annual.fica.amount  annual.federal.amount  annual.state.amount
0   New York                8899                  39847                 6375
1   New York              141725                 172673               139201

如果后续要给接口调用加超时、异常重试、并发逻辑，第一种遍历写法的可扩展性更高。

内容的提问来源于stack exchange，提问作者GoldenYoyo