python - 将自定义函数应用于现有列以输出多列

Question

这是我的起始 df:

import numpy as np
import pandas as pd

df = pd.DataFrame(['alpha', 'beta'], columns = ['text'])
df
    text
0   alpha
1   beta

这是我想要的最终结果:

    text    first           second          third
0   alpha   alpha-first     alpha-second    alpha-third
1   beta    beta-first      beta-second     beta-third

我已经编写了自定义函数 parse()，没有问题:

def parse(text):
    return [text + ' first', text + ' second', text + ' third']

现在我尝试将 parse() 应用于初始 df，这是出现错误的地方:

1) 如果我尝试以下操作:

df = df.reindex(columns = list(df.columns) + ['first', 'second', 'third']) # Create empty columns    
df[['first', 'second', 'third']] = df.text.apply(parse)

我得到:

ValueError: Must have equal len keys and value when setting with an ndarray

2) 略有不同的版本:

df = df.reindex(columns = list(df.columns) + ['first', 'second', 'third']).astype(object) # Create empty columns of "object" type    
df[['first', 'second', 'third']] = df.text.apply(parse)

我得到:

ValueError: shape mismatch: value array of shape (2,) could not be broadcast 
to indexing result of shape (3,2)

我哪里错了？

编辑:

我应该澄清一下，parse() 本身是我要解决的现实问题中的一个复杂得多的函数。 (它需要一个段落，在其中找到 3 种特定类型的字符串，并将这些字符串输出为长度为 3 的列表)。在我上面的代码中，我对 parse() 进行了一些随机的简单定义，作为替代，以避免陷入与我遇到的两个错误无关的细节中。

Answer 1

无需申请:

import pandas as pd

df = pd.DataFrame(['alpha', 'beta'], columns = ['text'])

for i in ['first', 'second', 'third']:
    df[i] = df.text + '-' + i

#     text       first       second       third
# 0  alpha  alpha-first  alpha-second  alpha-third
# 1   beta   beta-first   beta-second   beta-third

一般来说，为您的计算选择的“过程类型”的层次应该是:

1. 向量化计算，如上。
2. pd.Series.apply
3. pd.DataFrame.apply
4. pd.DataFrame.iterrows