pandas如何更新多列值

现在有一个dataframe A，其中有a,b,c,d,e,f六列数据，A['a']是一列数据，长度>10w有一个函数 t(a1,b1,c1) 返回值d1,e1,f1 与A中的列对应，函数t比较复杂需要与数据库交互，时间小于1ms
如何通过函数t更新A中d，e，f三列数据？
遍历A.iterrows()速度太慢，还没有把A转成dict遍历速度快，pandas有没有可以直接通过lambda表达式更新数据的函数？

pd.DataFrame.apply()

sheeboard 发表于 2017-11-2 09:58
pd.DataFrame.apply()

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)[source]
apply的func是作用在单列上的，比如列d = func(d) ，而我需要的是列d,e,f = t(a,b,c)

LZ的问题解决了吗？我也有同样的问题，目前只能曲线救国，分步骤来调用apply，比如要实现delta x^2+y^2的值，就弄几个中间值存x^2，y^2，x^2+y^2来达到目的。还是很渴望得到传参的方法呀，呵呵，希望能相互帮助！

shskey 发表于 2017-11-3 11:27
LZ的问题解决了吗？我也有同样的问题，目前只能曲线救国，分步骤来调用apply，比如要实现delta x^2+y^2的值 ...

已解决，我用的apply，
def t1(row, year):
    row['d'],row['e'],row['f'] = t(row['a'],row['b'],row['c'], year)
    return row

B = A.apply(t1, axis=1, year=2017)

shskey 发表于 2017-11-3 11:27
LZ的问题解决了吗？我也有同样的问题，目前只能曲线救国，分步骤来调用apply，比如要实现delta x^2+y^2的值 ...

不过A.apply的执行时间还是比A.to_dict()遍历处理再转成df的执行时间多花0.2倍左右

剑心无痕 发表于 2017-11-3 14:19
不过A.apply的执行时间还是比A.to_dict()遍历处理再转成df的执行时间多花0.2倍左右 ...

谢谢回复，按照你的方式，我也实现了。执行时间这点倒还没关注，实现了功能先，再来考虑优化，哈哈