Pandas中对多列应用多个非聚合函数生成多层索引列的实现方案

我明白你遇到的问题啦——想给每一列同时套两个非聚合函数，生成带二级索引的列，但之前的写法报错了，还不想用agg或者直接写列名。咱们来一步步解决这个问题：

先分析你遇到的报错原因 #

你之前尝试的代码：

df.apply(lambda series:
    series.transform([lambda x: x+10, lambda x: x+100])
)

触发ValueError: If using all scalar values, you must pass an index的原因是：transform在处理匿名函数列表时，无法正确将结果包装成符合Pandas要求的带索引结构，导致返回的内容被识别为无索引的标量集合，进而触发错误。而且transform本身更适合生成与原Series同长度的单列结果，并不直接支持生成多列的场景。

符合需求的解决方案 #

方法1：用apply返回带二级列的DataFrame（推荐） #

这个方法完全不需要直接引用列名，也不用agg，核心是对每个列（Series）处理后返回一个包含目标列的DataFrame，Pandas会自动帮我们拼接成嵌套的多层列索引：

import pandas as pd
import numpy as np

# 还原你的原始DataFrame
df = pd.DataFrame(
    np.arange(3*4).reshape((4, 3)),
    index=['a', 'b', 'c', 'd'],
    columns=['A', 'B', 'C']
)

# 对每个列应用函数，返回带x、y列的DataFrame
result = df.apply(lambda s: pd.DataFrame({
    'x': s + 10,
    'y': s + 100
}))

print(result)

运行后会输出你想要的结构：

A        B        C     
    x    y   x    y   x    y
a  10  100  11  101  12  102
b  13  103  14  104  15  105
c  16  106  17  107  18  108
d  19  109  20  110  21  111

为什么这个方法可行？

当df.apply遍历每个列（Series）时，我们返回的是一个有两列的DataFrame。Pandas会自动将原列名（A/B/C）作为顶层列索引，返回的DataFrame的列名（x/y）作为下层列索引，完美匹配你需要的嵌套结构。

方法2：单独定义函数（可读性更强） #

如果你的处理逻辑更复杂，也可以把列处理逻辑单独定义成函数，代码可读性更好：

def process_single_column(series):
    # 这里可以扩展更复杂的逻辑，不止是简单的加减
    return pd.DataFrame({
        'x': series + 10,
        'y': series + 100
    })

result = df.apply(process_single_column)

效果和方法1完全一致，适合逻辑更复杂的场景。

额外说明 #

你提到不想用agg，这点非常合理——因为agg是聚合函数，会将每列压缩成单个标量结果，而我们需要保留每一行的计算结果，所以必须用返回逐行结果的方式，而返回DataFrame的apply正好满足这个需求。

备注：内容来源于stack exchange，提问作者goweon