複数の列に関数を適用して複数の新しい列を作成する

Question

複数の新しい列を作成するには、dfに関数を適用する必要があります。私の関数への入力として、私はではなく、複数の入力（=列と、行または（ⅱ）複数の列

def divideAndMultiply(x,y): 
    return x/y, x*y 

df["e"], df["f"] = zip(*df.a.apply(lambda val: divideAndMultiply(val,2))) 

（https://stackoverflow.com/a/36600318/1831695）

これは、複数の新しい列を作成するために働く（i）を必要とするでしょうそのdfから）。それとも私は何かが恋しい？

例私がしたいこと：

私のDFにはいくつかの列があります。 3つの新しい列（y、z）を計算するのに関係します。y = a + b + cとz = c - b - a

私は関数が必要ない簡単な計算ですが、 1つ必要です。 2つの関数を記述して適用するのではなく、1つの関数しか持たず、両方の値を返し、3つの値すべてを受け入れるか

この例：列のデータ項目（ヴァル）を使用し、他の値に（この場合は2）だけ

df["y"], df["z"] = zip(*df.a.apply(lambda val: divideAndMultiply(val,2))) 

作品。

私はそのような何か必要があります：

df["y"], df["z"] = zip(*df.a.apply(lambda val: divideAndMultiply(df['a'],df['b'],df['c']))) 

（そして、はい、私はヴァルがdf.aに割り当てられていることを知っている）

を更新2 これは私のDFがどのように見えるかです：

<class 'pandas.core.frame.DataFrame'> 
Int64Index: 4655 entries, 0 to 4654 
Data columns (total 71 columns): 
Open     4655 non-null float64 
Close     4655 non-null float64 
High     4655 non-null float64 
Low     4655 non-null float64 
DateTime    4655 non-null datetime64[ns] 
Date     4655 non-null datetime64[ns] 
T_CLOSE    4655 non-null float64 
T_HIGH    4655 non-null float64 
T_LOW     4655 non-null float64 
T_OPEN    4655 non-null float64 
MVA5     4651 non-null float64 
MVA10     4646 non-null float64 
MVA14     4642 non-null float64 
MVA15     4641 non-null float64 
MVA28     4628 non-null float64 
MVA50     4606 non-null float64 
STD5     4651 non-null float64 
STD10     4646 non-null float64 
STD15     4641 non-null float64 
CV_5     4651 non-null float64 
CV_10     4646 non-null float64 
CV_15     4641 non-null float64 
DIFF_VP_CLOSE   4654 non-null float64 
DIFF_VP_HIGH   4654 non-null float64 
DIFF_VP_OPEN   4654 non-null float64 
DIFF_VP_LOW   4654 non-null float64 
AVG_STEIG_5   4650 non-null float64 
AVG_STEIG_10   4645 non-null float64 
AVG_STEIG_15   4640 non-null float64 
AVG_STEIG_28   4627 non-null float64 
AVG_5_DIFF   4651 non-null float64 
AVG_10_DIFF   4646 non-null float64 
AVG_15_DIFF   4641 non-null float64 
AVG_14_DIFF   4642 non-null float64 
AVG_50_DIFF   4606 non-null float64 
AD_5_14    4642 non-null float64 
Momentum_4   4651 non-null float64 
ROC_4     4652 non-null float64 
Momentum_8   4647 non-null float64 
ROC_8     4648 non-null float64 
Momentum_12   4643 non-null float64 
ROC_12    4644 non-null float64 
VT_OPEN    4598 non-null float64 
VT_CLOSE    4598 non-null float64 
VT_HIGH    4598 non-null float64 
VT_LOW    4598 non-null float64 
PP_VT     4598 non-null float64 
R1_VT     4598 non-null float64 
R2_VT     4598 non-null float64 
R3_VT     4598 non-null float64 
S1_VT     4598 non-null float64 
S2_VT     4598 non-null float64 
S3_VT     4598 non-null float64 
DIFF_VT_CLOSE   4598 non-null float64 
DIFF_VT_HIGH   4598 non-null float64 
DIFF_VT_OPEN   4598 non-null float64 
DIFF_VT_LOW   4598 non-null float64 
DIFF_T_OPEN   4655 non-null float64 
DIFF_T_LOW   4655 non-null float64 
DIFF_T_HIGH   4655 non-null float64 
DIFF_T_CLOSE   4655 non-null float64 
DIFF_VTCLOSE_TOPEN 4598 non-null float64 
VP_HIGH    4654 non-null float64 
VP_LOW    4654 non-null float64 
VP_OPEN    4654 non-null float64 
VP_CLOSE    4654 non-null float64 
regel_r1    4655 non-null int64 
regel_r2    4655 non-null int64 
regel_r3    4655 non-null int64 
regeln    4655 non-null int64 
vormittag_flag  4655 non-null int64 
dtypes: datetime64[ns](2), float64(64), int64(5) 
memory usage: 2.6 MB 
None 

     Open Close  High  Low   DateTime  Date T_CLOSE T_HIGH T_LOW T_OPEN  MVA5  MVA10   MVA14   MVA15   MVA28  MVA50  STD5  STD10  STD15  CV_5  CV_10  CV_15 DIFF_VP_CLOSE DIFF_VP_HIGH DIFF_VP_OPEN DIFF_VP_LOW AVG_STEIG_5 AVG_STEIG_10 AVG_STEIG_15 AVG_STEIG_28 AVG_5_DIFF AVG_10_DIFF AVG_15_DIFF AVG_14_DIFF AVG_50_DIFF AD_5_14 Momentum_4 ROC_4 Momentum_8  ROC_8 Momentum_12 ROC_12 VT_OPEN VT_CLOSE VT_HIGH VT_LOW   PP_VT   R1_VT   R2_VT   R3_VT   S1_VT   S2_VT   S3_VT DIFF_VT_CLOSE DIFF_VT_HIGH DIFF_VT_OPEN DIFF_VT_LOW DIFF_T_OPEN DIFF_T_LOW DIFF_T_HIGH DIFF_T_CLOSE DIFF_VTCLOSE_TOPEN VP_HIGH VP_LOW VP_OPEN VP_CLOSE regel_r1 regel_r2 regel_r3 regeln vormittag_flag T_DIRC T_WECHSELC T_NUM_INNEN T_CANDLEC 
4653 12488.1 12490.1 12490.6 12484.9 2017-05-03 14:00:00 2017-05-03 12490.1 12508.3 12475.4 12506.5 12490.18 12488.41 12487.521429 12487.053333 12493.078571 12498.118 2.178761 4.334218 4.515033 0.000174 0.000347 0.000362   -1.7   2.5   -1.0   -2.7   -9.6   8.5  4.866667  -8.178571  -0.08   1.69  3.046667  2.578571  -8.018 -2.658571  -3.8 0.00004   8.7 0.000577   -0.3 0.000521 12449.3 12514.3 12527.8 12432.0 12491.366667 12550.733333 12587.166667 12646.533333 12454.933333 12395.566667 12359.133333   24.2   37.7   -40.8  -58.1   16.4  -14.7   18.2   0.0     7.8 12492.6 12487.4 12489.1 12488.4   0   0   0  0    0 neutral  INNEN   1  GRUEN 
4654 12489.9 12489.9 12489.9 12489.6 2017-05-03 14:15:00 2017-05-03 12489.9 12508.3 12475.4 12506.5 12489.38 12488.91 12487.828571 12487.680000 12492.182143 12498.436 0.712039 4.169586 4.180431 0.000057 0.000334 0.000335   0.2   0.7   -1.8   -5.0   -8.0   5.0  6.266667  -8.964286  0.52   0.99  2.220000  2.071429  -8.536 -1.551429   0.3 0.00008   7.0 0.000064   6.3 0.000665 12449.3 12514.3 12527.8 12432.0 12491.366667 12550.733333 12587.166667 12646.533333 12454.933333 12395.566667 12359.133333   24.4   37.9   -40.6  -57.9   16.6  -14.5   18.4   0.0     7.8 12490.6 12484.9 12488.1 12490.1   0   0   0  0    0 neutral  INNEN   1  GRUEN 

Answer 1

更新

これは、あなたの質問エーレ@

import quandl 

df = quandl.get("WIKI/GOOGL") 
columns = ["High", 'Low', 'Close'] 

def operations(row, columns): 

    df1 = row[columns[0]] + row[columns[1]] + row[columns[2]] 
    df2 = -row[columns[1]] - row[columns[2]] + row[columns[0]] 
    return df1, df2 

df["function1"], df["function2"] = zip(*df.apply(lambda row: operations(row, columns), axis=1)) 

df[["High","Low","Close","function1", "function2"]].head(5)