Python 基于行值将多列添加到数据集中

我想使用一个生成多个输出的函数在现有数据帧中创建多个新列

例如，假设我有一个测试函数，它输出两个东西：

def testfunc (TranspoId, LogId):
    thing1 = TranspoId + LogId
    thing2 = LogId - TranspoId
    return thing1, thing2

我可以将这些返回的输出赋给两个不同的变量，如下所示：

Thing1,Thing2 = testfunc(4,28)
print(Thing1)
print(Thing2)

我尝试通过以下方式使用数据帧执行此操作：

data = {'Name':['Picard','Data','Guinan'],'TranspoId':[1,2,3],'LogId':[12,14,23]}

df = pd.DataFrame(data, columns = ['Name','TranspoId','LogId'])
print(df)

df['thing1','thing2'] = df.apply(lambda row: testfunc(row.TranspoId, row.LogId), axis=1)
print(df)

我想要的是这样的东西：

data = {'Name':['Picard','Data','Guinan'],'TranspoId':[1,2,3],'LogId':[12,14,23], 'Thing1':[13,16,26], 'Thing2':[11,12,20]}
df = pd.DataFrame(data, columns=['Name','TranspoId','LogId','Thing1','Thing2'])
print(df)

在现实世界中，这个函数需要做很多繁重的工作，我不能让它运行两次，每次为df添加一个新变量都运行一次

---

几个小时来我一直在用这个打自己的头。如有任何见解，将不胜感激

我认为最好的方法是改变顺序，制作一个可以与级数一起工作的函数

import pandas as pd

# Create function that deals with series
def testfunc (Series1, Series2):
    Thing1 = Series1 + Series2
    Thing2 = Series1 - Series2
    return Thing1, Thing2

# Create df
data = {'Name':['Picard','Data','Guinan'],'TranspoId':[1,2,3],'LogId':[12,14,23]}    
df = pd.DataFrame(data, columns = ['Name','TranspoId','LogId'])

# Apply function
Thing1,Thing2 = testfunc(df['TranspoId'],df['LogId'])
print(Thing1)
print(Thing2)

# Assign new columns
df = df.assign(Thing1 = Thing1)
df = df.assign(Thing2 = Thing2)

# print df
print(df)

---

函数应该返回一个序列，该序列在一次过程中计算新列。然后可以使用pandas.apply（）添加新字段

import pandas as pd
df = pd.DataFrame( {'TranspoId':[1,2,3], 'LogId':[4,5,6]})

def testfunc(row):
    new_cols = pd.Series([
       row['TranspoId'] + row['LogId'],
       row['LogId'] - row['TranspoId']]) 
    return new_cols

df[['thing1','thing2']] = df.apply(testfunc, axis = 1)

print(df)

输出：

   TranspoId  LogId  thing1  thing2
0          1      4       5       3
1          2      5       7       3
2          3      6       9       3

---

为什么不能简单地定义列而不需要

apply

、

lambda

和自定义函数？