如何在python中从df.apply调用中获取列名？

难题：我需要将df.apply与来自的一行数据一起使用 df，但我不知道返回列的名称 调用df.apply的时间，列名取决于 df.apply的行输入

关于pd.concat还有一些其他的stackoverflow讨论 和result_type='expand'，但它们并不完全符合我的目的

请回答一个简单的，尽可能少的行应用策略

import pandas as pd

def my_func(x):

    # get_dictionary call will return a consistent number of key/values pairs
    # with the keys being consistent each call.
    # e.g. {'key1': [5], 'key2': [5.6]}
    dict_of_vals = get_dictionary(x.name, x.some_other_value)

    # create a Series with the values - ONE row # can't name columns here??
    return pd.Series( list(dict_of_vals.values()) )


# assume df is init with some number of columns/rows,
# see below for example
df = init()

# I need the keys from the my_func call e.g. dict_of_vals.keys()
# for the column names here
df[DONT_KNOW_KEYS_UNTIL_CALL_TO_MY_FUNC] = df.apply(lambda x: my_func(x), axis=1)

# assume initial table from init call above
   numbers colors
0        1    red
1        2  white
2        3   blue

# want solution to look something like this:
   numbers colors  key1  key2
0        1    red     5   5.6
1        2  white     6   7.7
2        3   blue     7   8.8

Again, I won't know the column names and values until the apply 
calls my_func.


example, if
dict_of_vals = {'key1': [5], 'key2': [5.6]}

I get 
  key1   key2
0  [5]  [5.6]
1  [5]  [5.6]
2  [5]  [5.6]

which is missing the original columns

---

我建议使用Pandas的append函数

df.append(df.apply(lambda x: my_func(x), axis=1))

---

通过这种方式，可以附加未知列的数据框，并获得原始列和新列的组合数据框

您可以命名熊猫系列的索引，它们将成为df.apply创建的数据框中的列名

然后，您可以将新创建的数据帧与原始数据帧连接或附加

将熊猫作为pd导入
df1=pd.DataFrame（范围（5），列=['Numbers']）
数字
0        0
1        1
2        2
3        3
4        4
定义我的函数（x）：
数字=x[“数字”]
返回pd.Series（[number*2，number*3]，索引=['Times2'，'Times3']））
df2=df1.apply（λx:my_func（x），轴=1）
时间2时间3
0       0       0
1       2       3
2       4       6
3       6       9
4       8      12
df_final=df1.join（df2）
次数2次3次
0        0       0       0
1        1       2       3
2        2       4       6
3        3       6       9
4        4       8      12