pandas>=1.1.0中DataFrame.apply带raw=True返回多值触发ValueError咨询

该问题是pandas 1.1.0版本后针对raw=True模式的返回值校验逻辑变更导致的：

• raw=True时apply会向自定义函数传入numpy数组而非Series对象，返回多值时pandas会默认尝试将返回结果与原DataFrame的列索引对齐，你返回2个值但原DataFrame有3列，因此触发ValueError: Shape of passed values is (3, 2), indices imply (3, 3)报错
• 0.23.4版本无该对齐校验逻辑，因此可以正常运行

方案1：新增result_type='expand'参数（最便捷，无性能损失） #

直接在调用apply时新增result_type参数即可，该参数会强制pandas将返回的多值展开为多列，不会破坏raw=True的性能优势：

# 新增result_type='expand'即可正常运行
df.apply(lambda row: custom_func_does_not_work(row), axis=1, raw=True, result_type='expand')

如果需要自定义列名，可直接给返回结果赋值columns：

res = df.apply(lambda row: custom_func_does_not_work(row), axis=1, raw=True, result_type='expand')
res.columns = ['计算和', '计算积']

方案2：改用numpy原生的apply_along_axis（性能更优） #

如果你的自定义函数本身就是基于numpy数组逻辑编写的，可以直接用numpy的遍历方法，性能略高于pandas的raw=True模式：

import numpy as np
# 直接对df的底层numpy数组做遍历
res_arr = np.apply_along_axis(custom_func_does_not_work, axis=1, arr=df.values)
# 转成DataFrame
res = pd.DataFrame(res_arr, columns=['计算和', '计算积'])

内容的提问来源于stack exchange，提问作者godimedia