在 Pandas 中使用 map 拆分元组输出的最佳实践

当你在 Pandas 中使用 map 函数处理数据并返回元组时，有时需要将这些元组拆分成多个列。以下是几种最佳实践方法：

方法1：使用 apply + pd.Series

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3]})

# 假设我们有一个返回元组的函数
def process_value(x):
    return (x*2, x*3)

# 拆分元组到新列
df[['B', 'C']] = df['A'].apply(process_value).apply(pd.Series)

方法2：使用 zip 和列表解包

df['B'], df['C'] = zip(*df['A'].map(process_value))

方法3：使用 tolist() 和 zip

df['B'], df['C'] = zip(*df['A'].map(process_value).tolist())

方法4：使用 str 访问器（仅适用于字符串元组）

# 如果元组元素是字符串
df['B'] = df['A'].map(process_value).str[0]
df['C'] = df['A'].map(process_value).str[1]

性能比较

对于大数据集，方法2（使用zip）通常是最快的，其次是方法1。方法4最慢但代码最简洁。

完整示例

import pandas as pd

# 示例数据
df = pd.DataFrame({'values': [10, 20, 30]})

# 处理函数返回元组
def process(x):
    return (x/2, x*2, x**2)

# 方法1: 使用apply + pd.Series
df[['half', 'double', 'square']] = df['values'].apply(process).apply(pd.Series)

# 方法2: 使用zip
df['half'], df['double'], df['square'] = zip(*df['values'].map(process))

print(df)

选择哪种方法取决于你的具体需求、数据大小和可读性要求。