python 匿名函数（lamda函数）结合apply在高效大数据处理方面有着较大的用处，但麻烦的是，lamda函数严格意义上只能有一个返回值，面对需要多个返回值的场景就很麻烦。 例如，根据报表数据计算静态PE、滚动PE、动态PE，一次遍历基本就能完成，但如果怎么获得一次遍历后多个返回值，并很方便的应用呢？ 我们继续上面的例子：
如果按以下例子直接调用返回值
def calculate_PE(x1,x2,...)
计算
...
return pe_static,pe_TTM,pe_TR
主程序
...
# 把市盈率（PE）和基本面数据拼接
df['pe_static'],df['pe_TTM'],df['pe_TR']=df_code.apply(lambda row:calculate_PE((x1,x2,...),axis=1)
将会报错ValueError: too many values to unpack (expected 3) 即返回值和变量不匹配
为啥呢，主要是df_code.apply(lambda row:calculate_PE((x1,x2,…),axis=1) 实际返回值是一个以（returnVar1，returnVar2，returnVar3）元组元素组成的Series类型，这么用当然会报错。
换个用法，把元组组成的Series，转化位dataframe即可
def calculate_PE(x1,x2,...)
计算
...
return pe_static,pe_TTM,pe_TR
主程序
...
# 把市盈率（PE）和基本面数据拼接
pe=df_code.apply(lambda row:calculate_PE((x1,x2,...),axis=1)
df_pe=pd.DataFrame(tuple(pe.values),columns=["pe_static","pe_TTM","pe_TR"],index=pe.index)
df['pe_static']=df_pe["pe_static"]
df['pe_TTM']=df_pe["pe_TTM"]
df['pe_TR']=df_pe["pe_TR"]
这样就成功了，注意index=pe.index ，可以保证按index序匹配，不建议省略