如何强制Pandas apply返回parent dataframe的所有列？

在Pandas中，apply函数默认只返回应用函数后的列结果，而不包括原始DataFrame的其他列。如果想要强制apply返回原始DataFrame的所有列，可以通过两种方式实现。

第一种方式是使用result_type='expand'参数。将apply函数的result_type参数设置为'expand'，可以将应用函数的返回值作为DataFrame返回，保留原始DataFrame的所有列。示例代码如下：

import pandas as pd

# 定义一个应用函数
def my_func(row):
    # 在此处编写你的逻辑
    return [row['column1'] + row['column2'], row['column3'] * 2]

# 创建一个DataFrame
df = pd.DataFrame({'column1': [1, 2, 3],
                   'column2': [4, 5, 6],
                   'column3': [7, 8, 9]})

# 使用apply函数，并设置result_type参数为'expand'
result = df.apply(my_func, axis=1, result_type='expand')

# 将返回的结果与原始DataFrame合并
result = pd.concat([df, result], axis=1)

print(result)

第二种方式是使用apply函数的apply方法。通过将应用函数作为apply方法的参数，并设置axis=1，可以将应用函数应用于每一行，并返回一个包含所有列的Series。然后，可以使用join方法将返回的Series与原始DataFrame合并。示例代码如下：

import pandas as pd

# 定义一个应用函数
def my_func(row):
    # 在此处编写你的逻辑
    return pd.Series([row['column1'] + row['column2'], row['column3'] * 2])

# 创建一个DataFrame
df = pd.DataFrame({'column1': [1, 2, 3],
                   'column2': [4, 5, 6],
                   'column3': [7, 8, 9]})

# 使用apply方法，并设置axis参数为1
result = df.apply(lambda row: my_func(row), axis=1)

# 将返回的结果与原始DataFrame合并
result = df.join(result)

print(result)

以上两种方式都可以实现强制apply返回原始DataFrame的所有列。根据具体的需求和数据结构，选择适合的方式即可。

关于Pandas的更多信息和使用方法，可以参考腾讯云的相关产品和文档：