从Series.apply在数据框的多个列上解压缩元组

Question

我今天在工作中遇到了这个问题，我想知道是否有一种有效的方法可以做到这一点。

基本上我有一个像这样的数据框

df = pd.DataFrame([1,2,3], columns = ['a'])

我还有一个返回元组的函数。 （请注意，这只是一个最小的示例，我的问题有所不同）

compute = lambda x: (2*x, 3*x)

我需要找到一种方法来做一些看起来像这样的事情：

(df['b'], df['c']) = df['a'].apply(compute)

不幸的是，这种语法不起作用，我无法用另一种方法来解决问题。

唯一类似的问题是this ，但是该解决方案似乎真的很“ hacky”，我相信有更好的方法来做到这一点。

谢谢！

Answer 1

IIUC，您可以尝试：

compute = lambda x: (2*x, 3*x)
df[['b','c']]=pd.DataFrame(df.a.apply(compute).tolist()) #thanks harvpan
#df[['b','c']]=pd.DataFrame(df.a.apply(compute).values.tolist())
print(df)

---

   a  b  c
0  1  2  3
1  2  4  6
2  3  6  9

Answer 2

另一种方式

df=df.reindex(columns=df.columns.tolist()+['b','c'])
df[['b','c']]=list(map(compute,df.a))
df
Out[107]: 
   a  b  c
0  1  2  3
1  2  4  6
2  3  6  9