将数据框与从应用函数创建的另一个数据框合并？

我有一个数据框，df，工资数据：

State,Annual Salary
New York, 132826
New Hampshire,128704
California,127388
Vermont,121599
Idaho,120011

还有一个函数，get_taxes_from_api调用 API 并返回输入州的税号和年薪作为只有 1 行的数据框，如下所示：

State,annual.fica.amount,annual.federal.amount,annual.state.amount
North Carolina,8918,40334,6364

它的类型是：<class 'pandas.core.frame.DataFrame'>不是系列。 我想在 df 的每一行上调用 API，然后合并每个生成的 1 行数据帧。就像是：

State,Annual Salary,annual.fica.amount,annual.federal.amount,annual.state.amount
North Carolina, 116500,8918,40334,6364
New York, 132826, . . . 
New Hampshire,128704, . . . 
California,127388, . . . 
Vermont,121599, . . . 
Idaho,120011, . . . 

我该怎么做呢？我遇到了一个错误，我下面的 lambda 创建了一个 Series 而不是一个 dataframe，所以像这里一样使用 result_type=expand 进入了这个兔子洞'https://stackoverflow.com/a/62849468/2415706' https://stackoverflow.com/a/62849468/2415706但它仍然坏了：

all_tax_df = df[['State','Annual Salary']].apply(lambda row: get_taxes_from_api(row['State'],row['Annual Salary']), axis=1, result_type='expand')


# merge all_tax_df with df on 'State'

你不需要指定result_type为了.apply() https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.apply.html当里面应用的函数时调用.apply()返回 pandas 系列。来自官方文件 https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.apply.html:

在函数内返回一个 Series 类似于传递 result_type='展开'。生成的列名称将是系列 指数。

此外，对于默认的result_type=None:

默认行为（无）取决于返回值 应用函数：....如果应用函数返回一个系列，这些是 扩展到列。

作为你的API（里面的应用函数.apply()调用）返回一个 1 行 DataFrame，您可以通过以下方式轻松将其转换为 Series.squeeze() https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.squeeze.html调用，如下所示：

df[['State','Annual Salary']].apply(
    lambda row: get_taxes_from_api(row['State'], row['Annual Salary']).squeeze(), axis=1)

这样的结果apply()call 仅包含 API 调用返回的列，不包含该列Annual Salary在你的原始数据框中。您可以致电.merge() https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.merge.html将原始数据帧与返回的结果数据帧合并apply()以获得您想要的布局。您可以在一行中执行 2 个步骤：

all_tax_df = df.merge(df[['State','Annual Salary']].apply(
    lambda row: get_taxes_from_api(row['State'], row['Annual Salary']).squeeze(), axis=1))

Test Run

col = ['State','Annual Salary']
dat = [['New York', 132826], ['New Hampshire',128704], ['California',127388], ['Vermont',121599], ['Idaho',120011]]
df = pd.DataFrame(dat, columns=col)

def get_taxes_from_api(state, annual_salary):
    return pd.DataFrame({'State': [state], 
                         'annual.fica.amount': [int(annual_salary * 0.067)], 
                         'annual.federal.amount': [int(annual_salary * 0.3)], 
                         'annual.state.amount': [int(annual_salary * 0.048)]})


all_tax_df = df.merge(df[['State','Annual Salary']].apply(
    lambda row: get_taxes_from_api(row['State'], row['Annual Salary']).squeeze(), axis=1))



print(all_tax_df)




           State  Annual Salary  annual.fica.amount  annual.federal.amount  annual.state.amount
0       New York         132826                8899                  39847                 6375
1  New Hampshire         128704                8623                  38611                 6177
2     California         127388                8534                  38216                 6114
3        Vermont         121599                8147                  36479                 5836
4          Idaho         120011                8040                  36003                 5760