是否将apply()函数应用于pandas中的多个列？

是的，可以将apply()函数应用于pandas中的多个列。apply()函数是pandas库中的一个强大函数，它可以对DataFrame中的每一行或每一列应用自定义的函数。通过传递axis参数来指定是对行还是列进行操作。

当需要对多个列进行操作时，可以使用apply()函数结合lambda表达式来实现。lambda表达式可以定义一个匿名函数，非常适合简单的操作。

下面是一个示例代码，演示如何将apply()函数应用于pandas中的多个列：

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3],
        'B': [4, 5, 6],
        'C': [7, 8, 9]}

df = pd.DataFrame(data)

# 定义一个函数，将两个列相加
def sum_columns(row):
    return row['A'] + row['B']

# 使用apply()函数将函数应用于多个列
df['D'] = df.apply(lambda row: sum_columns(row), axis=1)

print(df)

在上面的示例中，我们创建了一个包含三列的DataFrame。然后定义了一个sum_columns()函数，用于将列'A'和列'B'相加。接下来，我们使用apply()函数和lambda表达式将sum_columns()函数应用于每一行，并将结果存储在新的列'D'中。

这样，我们就成功地将apply()函数应用于pandas中的多个列。

推荐的腾讯云相关产品：腾讯云云服务器（CVM）、腾讯云云数据库MySQL、腾讯云云原生容器服务TKE。

腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm

腾讯云云数据库MySQL：https://cloud.tencent.com/product/cdb_mysql

腾讯云云原生容器服务TKE：https://cloud.tencent.com/product/tke