将Python函数应用于多个列

我正在尝试编写一个函数，并将其应用于数据帧中的多个字段。 该函数接受colA1列，并根据条件语句为新列colB2赋值。 如果给定了单个列（例如colA1），则此函数可以工作，但是如何编写它来迭代 列列表，返回相应数量的新列

以下函数适用于单个列：

dict = {'colA1':[2,6,8,28,5], 
    'colA2': [38,6,14,63,3], 
    'colA3':[90,40,80,98,3]} 

df = pd.DataFrame(dict) 

def function(x):
    if x <= 10:
        return '<= 10'
    elif x > 10:
        return '> 10' 

df['colB1']=df['colA1'].apply(function)

df['colB1']

但这也带来了： ValueError:（“序列的真值不明确。请使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）.，“发生在索引colA1上”）

这应该可以做到

df.apply(lambda x: pd.Series([function(x['colA1']),function(x['colA2']),function(x['colA3'])]), axis=1).rename({0:'colA1',1:'colA2',2:'colA3'}, axis=1)

输出

   colA1  colA2  colA3
0  <= 10   > 10   > 10
1  <= 10  <= 10   > 10
2  <= 10   > 10   > 10
3   > 10   > 10   > 10
4  <= 10  <= 10  <= 10

colA1 colA2 colA3
0   10   > 10
1   10
3   > 10   > 10   > 10
4如果这真的是你想要做的，一个更快的选择是：


colA1 colA2 colA3
0   10   > 10
1   10
3   > 10   > 10   > 10
4也不要使用
dict
作为字典名，因为它会覆盖内置的python
dict
func。
df.apply(lambda x: pd.Series([function(x['colA1']),function(x['colA2']),function(x['colA3'])]), axis=1).rename({0:'colA1',1:'colA2',2:'colA3'}, axis=1)

   colA1  colA2  colA3
0  <= 10   > 10   > 10
1  <= 10  <= 10   > 10
2  <= 10   > 10   > 10
3   > 10   > 10   > 10
4  <= 10  <= 10  <= 10

cond=[df<= 10,df > 10]
choice=['<= 10','> 10' ]
df[:]=np.select(cond,choice)
print(df)

   colA1  colA2  colA3
0  <= 10   > 10   > 10
1  <= 10  <= 10   > 10
2  <= 10   > 10   > 10
3   > 10   > 10   > 10
4  <= 10  <= 10  <= 10

df[['colA1','colA2','colA3']].applymap(function)
#df.applymap(function)

   colA1  colA2  colA3
0  <= 10   > 10   > 10
1  <= 10  <= 10   > 10
2  <= 10   > 10   > 10
3   > 10   > 10   > 10
4  <= 10  <= 10  <= 10