Python 使用自定义函数将dataframe中的许多列解析/拆分为多个列

我已经查阅了很多以前相关的SO帖子，但我无法修改它们来解决我的问题

下面是一个数据帧示例

#使用pandas 0.24.2
数据={'customer_id'：[1,2,3]，
“上一个到期日”：[“2010年6月”、“2019年4月”、“1999年12月]，
“当前到期日”：[“2019年8月”、“2045年12月”、“2000年1月]，
‘下一个到期日’：[‘2025年2月’、‘2065年11月’、‘2001年9月’]
} 
df=pd.DataFrame（数据）

这里是dataframe的外观，在实际的dataframe中还有更多这样的列需要解析，因此我的问题是

客户id上一个到期日当前到期日下一个到期日
0 2010年6月1日2019年8月2025年2月
2019年4月2日2045年12月2065年11月
2 1999年12月3日2000年1月2001年9月

我创建了一个函数来解析一列（即，这将向提供的df添加两个解析的列——月和年列）

def parse_列（df，col_parse）：
col_parse_mmm=col_parse+'_mmm'
col_parse_yyy=col_parse+'_yyy'
df[[col_parse_mmm，col_parse_yyyy]]=df[col_parse].str.split（'-'，expand=True）
返回df

在下面调用此函数会对提供的列执行以下操作：

parse_列（df，'prev_due_date'）

现在，我的问题是：

如何使用apply对我选择的任意数量的列（例如，要解析的十列或数百列的列表）执行此操作

是否可以避免使用应用

（您不需要在parse_column函数中返回df）

如果您已经有了包含您感兴趣的列名的列表：

for c in my_columns_list:
    parse_column(df, c)

---

你不需要任何

应用

我想主要的问题是你为什么需要这样做？如果您可以操纵日期，那么有更好的方法来存储此信息，而无需跨数百列复制数据。为什么不在列中使用

pd.to_datetime

，以及在需要

月份时使用
，您使用.dt.month`acessor？@ALollz我在示例中选择的日期列可能会产生误导。实际上，我想解析任意数量的字符列，比如带有city和zip的full address，但在我的示例中，我碰巧选择了date列。当您声明“您不需要在parse_column函数中返回df”时，您的意思是什么？如果我的parse_column函数没有返回带有两个已命名已解析列的df，您的意思是返回通用的“0”和“1”列吗？您不需要返回任何内容。参数通过赋值传递。调用函数
parse_列（df，c）
时，创建对
df
的引用，并通过值将该引用传递给函数。您可以说服自己，但在函数之前、内部和之后都添加一个
打印（id（df））
：所有id都是相同的。另见。
for c in my_columns_list:
    parse_column(df, c)