使用apply在pandas中添加多个列

在pandas中，使用apply函数可以在DataFrame中添加多个列。apply函数可以应用于DataFrame中的每一行或每一列，并根据自定义函数的逻辑来计算新的列值。下面是使用apply函数在pandas中添加多个列的示例代码：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 自定义函数，用于计算新的列值
def calculate_columns(row):
    row['C'] = row['A'] + row['B']  # 计算C列的值
    row['D'] = row['A'] * row['B']  # 计算D列的值
    return row

# 使用apply函数将自定义函数应用于DataFrame的每一行
df = df.apply(calculate_columns, axis=1)

# 打印添加了新列的DataFrame
print(df)

上述代码中，首先创建了一个示例的DataFrame，包含'A'列和'B'列。然后定义了一个自定义函数calculate_columns，在该函数中根据'A'列和'B'列的值计算了新的列'C'和'D'的值。最后，使用apply函数将自定义函数应用于DataFrame的每一行，并将返回的DataFrame赋值给原始的df变量。最终，打印出添加了新列的DataFrame。

这种方法在处理大规模数据时可能会比较慢，因为apply函数会逐行处理数据。如果需要对大规模数据进行操作，可以考虑使用更高效的向量化操作或使用pandas的内置函数来实现相同的功能。