
本文详解在 pandas 中通过 apply 方法返回多个值并批量赋值给 dataframe 多列的两种可靠方式:直接返回键名匹配的 series,或返回元组后包装为 series,避免出现 nan。
本文详解在 pandas 中通过 apply 方法返回多个值并批量赋值给 dataframe 多列的两种可靠方式:直接返回键名匹配的 series,或返回元组后包装为 series,避免出现 nan。
在使用 pandas.DataFrame.apply() 处理行数据并希望将函数返回的多个值分别写入多个目标列时,一个常见误区是返回的 pd.Series 键名与目标列名不一致,导致 .loc[...] = ... 赋值失败(结果为 NaN)。根本原因在于:pandas 在执行 df.loc[mask, cols] = result 时,会严格按列名对齐 result 的索引(即 Series 的 keys);若 keys 不匹配,对应列将无法接收值,最终填充为 NaN。
✅ 正确做法一:返回键名完全匹配目标列的 Series(推荐)
这是最清晰、高效的方式。只需确保 verif() 返回的 pd.Series 使用目标列名作为字典 key:
import pandas as pd
df = pd.DataFrame({'nombre': [10, 25, 42, 18, 73]})
df["S"] = df["COMMENT"] = None # 初始化目标列
def verif(row):
if row["nombre"] % 10 == 0:
return pd.Series({"S": "OK", "COMMENT": "Ends with 0"})
else:
return pd.Series({"S": "KO", "COMMENT": "Do not end with 0"})
mask = df["nombre"] % 2 == 0
df.loc[mask, ["S", "COMMENT"]] = df.loc[mask].apply(verif, axis=1)
print(df)输出:
nombre S COMMENT 0 10 OK Ends with 0 1 25 None None 2 42 KO Do not end with 0 3 18 KO Do not end with 0 4 73 None None
✅ 关键点:
return pd.Series({"S": ..., "COMMENT": ...})中的 key 必须与df.loc[..., ["S", "COMMENT"]]中的列名完全一致(大小写、拼写、空格)。
✅ 正确做法二:返回元组 + lambda 包装为 Series(提升复用性)
当函数需跨多个 DataFrame 复用(列名可能不同),可让 verif() 返回解构友好的元组,再由 lambda 统一映射:
def verif(row):
ends_with_0 = row["nombre"] % 10 == 0
return ("OK", "Ends with 0") if ends_with_0 else ("KO", "Do not end with 0")
# 使用 lambda 将元组转为指定列名的 Series
df.loc[mask, ["S", "COMMENT"]] = df.loc[mask].apply(
lambda row: pd.Series(verif(row)), axis=1
)该方式解耦了业务逻辑(verif)与列绑定逻辑(lambda),便于单元测试和维护。
⚠️ 注意事项与最佳实践
-
避免直接返回
list或tuple:df.loc[...] = df.apply(lambda x: (a,b), axis=1)会导致ValueError或静默失败; -
axis=1不可省略:apply默认按列(axis=0),处理行必须显式指定; -
性能提示:对大数据集,优先考虑向量化操作(如
np.where,pd.cut,map)替代apply; -
调试技巧:先单独运行
df.loc[mask].apply(verif, axis=1)查看返回结果结构,确认其columns或index是否匹配目标列。
掌握这两种模式,即可稳健、可读地实现多列批量赋值,彻底告别 NaN 困扰。

















