如果你可以重写你的函数，你可以使用@greenAfrican示例。但是如果你不想重写你的函数，你可以把它 Package 到apply内部的匿名函数中，像这样：

>>> def fxy(x, y):
...     return x * y

>>> df['newcolumn'] = df.apply(lambda x: fxy(x['A'], x['B']), axis=1)
>>> df
    A   B  newcolumn
0  10  20        200
1  20  30        600
2  30  10        300

或者，你可以使用numpy底层函数：

>>> import numpy as np
>>> df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})
>>> df['new_column'] = np.multiply(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

或矢量化任意函数一般情况下：

>>> def fx(x, y):
...     return x*y
...
>>> df['new_column'] = np.vectorize(fx)(df['A'], df['B'])
>>> df
    A   B  new_column
0  10  20         200
1  20  30         600
2  30  10         300

这解决了问题：

df['newcolumn'] = df.A * df.B

您还可以执行以下操作：

def fab(row):
  return row['A'] * row['B']

df['newcolumn'] = df.apply(fab, axis=1)

如果需要***一次创建多列***：
1.创建dataframe：

import pandas as pd
df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]})

1.创建函数：

def fab(row):                                                  
    return row['A'] * row['B'], row['A'] + row['B']

1.分配新列：

df['newcolumn'], df['newcolumn2'] = zip(*df.apply(fab, axis=1))

多一个dict样式的干净语法：

df["new_column"] = df.apply(lambda x: x["A"] * x["B"], axis = 1)

或者，

df["new_column"] = df["A"] * df["B"]

这将动态地给予你想要的结果。即使你有两个以上的参数，它也能工作

df['anothercolumn'] = df[['A', 'B']].apply(lambda x: fxy(*x), axis=1)
print(df)

    A   B  newcolumn  anothercolumn
0  10  20        100            200
1  20  30        400            600
2  30  10        900            300

答案集中在以dataframe的列作为输入的函数上。更一般地说，如果你想在一个有多个参数的函数上使用pandas .apply，其中一些可能不是列，那么你可以在.apply()调用中将它们指定为关键字参数：

def fxy(x: , y):
    return x * y

df['newcolumn'] = df.A.apply(fxy, y=df.B)
df['newcolumn1'] = df.A.apply(fxy, y=4)