如何在熊猫身上做到这一点：
我在单个文本列上有一个函数extract\u text\u features，返回多个输出列。具体来说，该函数返回6个值
该函数可以工作，但是似乎没有任何正确的返回类型（pandas DataFrame/numpy array/Python list），因此可以正确分配输出df.ix[：，10:16]=df.textcol.map（extract\u text\u features）
因此，我认为我需要回到使用df.iterrows（）进行迭代，如下所示
更新：
使用df.iterrows（）进行迭代至少要慢20倍，因此我放弃并将函数分成六个不同的.map（lambda…调用）
更新2：这个问题在v0.11.0前后被问回。因此，大部分问题和答案都不太相关
我通常使用zip：
>&燃气轮机&燃气轮机；df=pd.DataFrame（[[i]表示范围（10）中的i），列=['num']）
&燃气轮机&燃气轮机&燃气轮机；df
号码
0 0
1 1
2 2
3 3
4 4
5 5
6 6
7 7
8 8
9 9
&燃气轮机&燃气轮机&燃气轮机；def功率（x）：
&燃气轮机&燃气轮机&燃气轮机；返回x，x**2，x**3，x**4，x**5，x**6
&燃气轮机&燃气轮机&燃气轮机；测向['p1']，测向['p2']，测向['p3']，测向['p4']，测向['p5']，测向['p6']=\
&燃气轮机&燃气轮机&燃气轮机；zip（*df['num'].map（幂））
&燃气轮机&燃气轮机&燃气轮机；df
数量p1 p2 p3 p4 p5 p6
0 0 0 0 0 0 0 0
1 1 1 1 1 1 1 1
2 2 2 4 8 16 32 64
3 3 3 9 27 81 243 729
4 4 4 16 64 256 1024 4096
5 5 5 25 125 625 3125 15625
6 6 6 36 216 1296 7776 46656
7 7 7 49 343 2401 16807 117649
8 8 8 64 512 4096 32768 262144
9 9 9 81 729 6561 59049 531441