Python 如何使用数据帧中的两个参数，从应用lambda的结果中合成具有返回列的数据帧

我有一个包含3列a、b和c的数据框，还有一个接受3个参数的函数，例如一个小示例：

data_test = [[1,11,101],[2,12,102],[3,13,103],[4,14,104],[5,15,105],[6,16,106]]
df_test = pd.DataFrame(data_test,columns=['a','b','c'],dtype=float)


      a        b        c
0   1.0     11.0    101.0
1   2.0     12.0    102.0
2   3.0     13.0    103.0
3   4.0     14.0    104.0
4   5.0     15.0    105.0
5   6.0     16.0    106.0


def my_function(a,b,c):
    #changes a b and c and returns 
    x = a*10
    y = b-20
    z = a*b -7
    return [x,y,z]

对于每一行，我希望应用函数并在新的数据帧中返回值a、b、c、x、y、z

我做到了：

df_wanted = pd.DataFrame( df_test.apply(lambda row: my_function(row['a'], row['b'], row['c']), axis=1) )

它正在返回：

    0
0   [10.0, -9.0, 4.0]
1   [20.0, -8.0, 17.0]
2   [30.0, -7.0, 32.0]
3   [40.0, -6.0, 49.0]
4   [50.0, -5.0, 68.0]
5   [60.0, -4.0, 89.0]

如何获得如下结果，而不是每行的数组：

      a        b        c          x    y    z
0   1.0     11.0    101.0       10.0 -9.0  4.0
1   2.0     12.0    102.0       20.0 -8.0 17.0
2   3.0     13.0    103.0       30.0 -7.0 32.0
3   4.0     14.0    104.0       40.0 -6.0 49.0
4   5.0     15.0    105.0       50.0 -5.0 68.0
5   6.0     16.0    106.0       60.0 -4.0 89.0

---

您可以返回熊猫系列而不是数组：

def my_function2(a,b,c):
    #changes a b and c and returns 
    x = a*10
    y = b-20
    z = a*b -7
    return pd.Series({
        'x': x,
        'y': y,
        'z': z
    })

df_wanted = pd.concat([
    df_test,
    df_test.apply(lambda row: my_function2(row['a'], row['b'], row['c']), axis=1)
], axis=1)

我知道您示例中的函数可能很简单，但请尝试使用向量化函数对列而不是逐行进行操作。它的效率要高得多。

修复您的代码

df=df_test.join( pd.DataFrame( df_test.apply(lambda row: my_function(row['a'], row['b'], row['c']), axis=1).tolist() ,columns=list('xyz')))

---

这回答了你的问题吗？