pandas lambda多个参数作为回报 | lambda多个参数作为回报

本文介绍了 pandas lambda多个参数作为回报的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！

问题描述

import pandas as pd
import numpy as np

def ced(x):
    return x+1, x+2, x+3


df = pd.DataFrame(data=[[1,2],[10,20]], columns=['a','b'])


df['x'], df['y'], df['z'] = df['a'].apply(lambda x: ced(x)) 


print(df)

错误:

这东西适用于

import pandas as pd
import numpy as np

def ced(x):
    return x+1, x+2


df = pd.DataFrame(data=[[1,2],[10,20]], columns=['a','b'])


df['x'], df['y'] = df['a'].apply(lambda x: ced(x)) 


print(df)

输出:

    a   b  x   y
0   1   2  2  11
1  10  20  3  12

我不知道这里出了什么问题.

I don't know what is the problem here.

推荐答案

我建议使用更改函数来返回Series和新列的子集:

I suggest change function for return Series and subset of new columns:

def ced(x):
    return pd.Series([x+1, x+2, x+2])

df = pd.DataFrame(data=[[1,2],[10,20]], columns=['a','b'])


df[['x','y', 'z']] = df['a'].apply(lambda x: ced(x)) 

print(df)
    a   b   x   y   z
0   1   2   2   3   3
1  10  20  11  12  12

另一种解决方案是由构造函数创建DataFrame:

Another solution is create DataFrame by constructor:

def ced(x):
    return x+1, x+2, x+2

df = pd.DataFrame(data=[[1,2],[10,20]], columns=['a','b'])


df[['x','y', 'z']] = pd.DataFrame(df['a'].apply(lambda x: ced(x)).values.tolist())
print(df)
    a   b   x   y   z
0   1   2   2   3   3
1  10  20  11  12  12

这篇关于 pandas lambda多个参数作为回报的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！