Pandas 如何将一系列元组转换为数据帧？

我试图在数据框的其他列中添加一些额外的数据

考虑以下示例代码：

import pandas
import numpy

def more_data(d):
    return 1, 2

df = pandas.DataFrame({"A":[1, 2, 3], "B":[17, 16, 15]})

x = df.apply(more_data, axis=1)
df1 = pandas.DataFrame(x)
df2 = pandas.concat([df, df1], axis=1)

print(df2)

输出为：

A  B       0
0  1  17  (1, 2)
1  2  16  (1, 2)
2  3  15  (1, 2)

这并不奇怪，因为apply（）返回一个元组序列，该序列作为一列元组忠实地添加到数据帧中。然而，我想要的是另外两列，它们的值在元组中返回。那怎么办？

试试这个

导入熊猫
进口numpy
def更多_数据（d）：
返回1，2
数据帧（{“A”：[1,2,3]，“B”：[17,16,15]}）
x=df.apply（更多数据，轴=1）
df1=熊猫。数据帧（x）
df1=pandas.concat（[df，df1]，轴=1）
df1[['new_1'，'new_2']]=pandas.DataFrame（[list（x）代表df1中的x[0]]）
#结果
打印（df1）
A B 0新\u 1新\u 2
0  1  17  (1, 2)      1      2
1  2  16  (1, 2)      1      2
2  3  15  (1, 2)      1      2

您似乎能够获得的最接近的结果是使用

df。分配

：

df=pd.DataFrame（{'x'：[1,2,3]，'y'：[4,5,6]}）
赋值（temp1=0，temp2=5）
#x y temp1 temp2
# 0  1  4      0      5
# 1  2  5      0      5
# 2  3  6      0      5

您也可以分配给series，因此您必须首先将每个列的结果放入一个序列中。这可能很容易：

s=pd.系列（[（'a'，'b'）]*len（df））
赋值（s0=s.apply（λx:x[0]），s1=s.apply（λx:x[1]））
#x y s0 s1
#01 4 a b
#1 2 5 a b
#2 3 6 a b

您与自己的解决方案非常接近，如果您将数据框转换为列表，然后将其构造为数据框（再次定义列），它将起作用：

def more_data(d):
    return 1, 2

df = pd.DataFrame({"A":[1, 2, 3], "B":[17, 16, 15]})

x = df.apply(more_data, axis=1)
df1 = pd.DataFrame(x.tolist(), columns=['Col1', 'Col2']) # <-- line which is different
df2 = pd.concat([df, df1], axis=1)

---

是什么阻止您逐个添加它们？还有，列名呢？您的函数实际上依赖于数据框中的值吗？

   A   B  Col1  Col2
0  1  17     1     2
1  2  16     1     2
2  3  15     1     2