Python 使用DataFrame.apply和lambda函数将返回的元组/列表分配给多列

我有一个函数，它接受单个输入并返回两个值的列表

def my_func(x):
    return [x+1, x+2]

假设我有一个简单的数据帧

df = pd.DataFrame({'x':[1,2,3,4,5]})

我希望将我的_func应用于列“x”的每个值，然后将返回的值分别保存在列“y”和列“z”中，如下所示：

(df['y'], df['z']) = df.apply(lambda row: my_func(row.x), axis = 1)

显然这不起作用

最好的办法是什么

编辑：正如@Andy Hayden在下面指出的，在这种情况下，我可以简单地使用

df['y'], df['z'] = myfunc(df.x)

这是因为

myfunc

在这里进行非常简单的向量计算。如果更复杂呢

dict = {1:'a', 2:'b', 3:'c', 4:'d', 5:'e', 6:'f'}
def my_func(x):
    return [dict[x], dict[x+1]]

---

所以在这里，

dict[x]

不能再处理整个系列了，我想我必须使用

apply

？那么，如何将结果放入一个数据帧的两个单独的列中呢？我认为您不需要在这里进行应用：

df = pd.DataFrame({'x':[1,2,3,4,5]})

In [11]: df["y"], df["z"] = my_func(df.x)

In [12]: df
Out[12]:
   x  y  z
0  1  2  3
1  2  3  4
2  3  4  5
3  4  5  6
4  5  6  7

---

谢谢，它起作用了。但这可能是因为

my_func

在这里非常简单，如果

my_func

做了一些不像向量那么简单的事情呢calculation@Godsent如果传递给apply的函数返回一个系列（对于每一行），那么可以将该系列的索引指定为列。i、 e.pd.系列（[dict[x]，dict[x+1]]