*编辑编辑*
我花了相当长的时间来解决这个问题，尽管普通的普通案例很好用，但我在混合类型的DataFrame上仍然遇到此错误。
我的目标是添加两个新的计算列。
import pandas as pd
import datetime as dt
df = pd.DataFrame({'one' : pd.Series([1, 2, 3, 4]),
'two' : pd.Series([20, 30, 40, 50]),
'zree': pd.Series([dt.datetime(2016, 7, x) for x in range(1, 5)])})
df['sum'], df['prod'] = zip(*df.apply(lambda row: (row.one + row.two,
row.one * row.two), axis=1))
...
ValueError: Shape of passed values is (4, 2), indices imply (4, 3)
当我删除包含datetime的列'zree'或将类型更改为int时，错误消失。
有什么解决方法吗？
任何帮助将不胜感激。
import sys
print(sys.version)
3.5.1 |Anaconda 4.0.0 (64-bit)| (default, Feb 16 2016, 09:49:46) [MSC v.1900 64 bit (AMD64)]
pd.__version__
'0.18.1'
您对混合类型的问题很感兴趣，并在DataFrame的源代码中做了一些挖掘。显然，当你DataFrame是混合类型（即df._is_mixed_type是True），不同的功能比当它是均匀的施加。
当您调用apply混合类型的DataFrame时，它将调用DataFrame._apply_standard（至少在您的情况下），然后返回DataFrame(data=results, index=index)。results是从函数的输出构建的字典，{0: (21, 20), 1: (32, 60), 2: (43, 120), 3: (54, 200)}并且index是Index(['one', 'two', 'zree'])（即的列DataFrame）。如您所见，索引的大小（3）与结果的大小（每列2个）之间存在差异，这是不匹配的。
为避免这种情况，您需要Series在函数中返回a ：
df.apply(lambda row: pd.Series((row.one + row.two, row.one * row.two)), axis=1)
在这种情况下，结果DataFrame中将使用df的索引，而不是将列用作索引：
In [83] df.apply(lambda row: pd.Series((row.one + row.two, row.one * row.two)), axis=1)
Out[83]
0 1
0 21 20
1 32 60
2 43 120
3 54 200
要从您的原始帖子中获得理想的结果，您可以执行以下操作：
In [90] zip(*df.apply(lambda row: pd.Series((row.one + row.two,
row.one * row.two)), axis=1).values)
Out[90] [(21, 32, 43, 54), (20, 60, 120, 200)]
在相同类型的情况下，由于函数的输出是列表（一维）DataFrame，DataFrame._apply_raw因此调用时返回a Series。
我希望这可以解决问题，如果需要更多信息，可以进行一些调试。我使用0.18.1版的熊猫进行了测试。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句