如何将df.apply的返回结果分别赋值给DataFrame的两个新列

你原有代码的问题在于df.apply默认按列遍历，且没有对返回的多值结果做展开处理，按照以下方式修改即可实现需求：

最优实现方案 #

在apply方法中新增两个参数：axis=1指定逐行处理，result_type='expand'自动将函数返回的元组展开为多列，直接赋值给目标列即可：

def f(a_list):
     # 你的自定义业务逻辑
     if stuff:
          make_new_stuff_happen         
     return new_list, a_double


def main():
     # 核心修改点
     df[['new_col1', 'new_col2']] = df.apply(lambda x: f(x['some_col']), axis=1, result_type='expand')

兼容旧版本pandas的替代方案 #

如果你使用的pandas版本较低不支持result_type参数，也可以先接收返回的元组Series，再按索引拆分赋值：

def main():
     # 先获取每行返回的元组组成的Series
     res_series = df.apply(lambda x: f(x['some_col']), axis=1)
     # 按位置拆分赋值给两个新列
     df['new_col1'] = res_series.str[0]
     df['new_col2'] = res_series.str[1]

注意事项 #

• axis=1是逐行处理的必传参数，默认axis=0会将整列数据传入自定义函数，不符合你的需求
• .str索引器不仅可用于字符串类型的Series，对于元素为可迭代对象的Series都可以通过该方式提取对应位置的元素

内容的提问来源于stack exchange，提问作者Josh Willis