从本质上讲，列表解析语句是一组3个嵌套循环。在代码中：

l = []
for x in df2['apples']:
    for y in df2['oranges']:
        for z in df2['bananas']:
            l.append(x * y - z)

结果列表的长度将是DataFrame长度的3次幂（5x5x5 = 125）。所以才有错误。要修复，您需要以下等效内容：

for x, y, z in zip(df2['apples'], df2['oranges'], df2['bananas']):
    l.extend([x * y - z])

在列表理解方面：

[x * y - z for x, y, z in zip(df2['apples'], df2['oranges'], df2['bananas'])]

你的新方法不起作用的原因是因为列表解析产生的数据比你的数据框中的索引数要长。一个快速的解决方法是这样的：

[x * y - z for x,y,z in zip(df2['apples'], df2['oranges'], df2['bananas'])]

您可以使用解析列表中的np.array()函数以列表的形式获取该行的所有值。
下面的代码解决了你的问题：

df2['optimal_fruit'] = [x[0] * x[1] - x[2] for x in np.array(df2)]

它将避免在您的解析列表中键入每个列名的需要。

如果不想对每列重复df2：

[row[0][0]*row[0][1]-row[0][2] for row in zip(df2[['apples', 'oranges', 'bananas']].to_numpy())]

或

def func(row):
    print(row[0]*row[1]-row[2])

[func(*row) for row in zip(df2[['apples', 'oranges', 'bananas']].to_numpy())]

进一步阅读：

• 使用多列的Pandas Dataframe 列表理解的内存有效方法
• Dataframe list comprehension "zip(...)": loop through chosen df columns efficiently with just a list of column name strings
• What is the most efficient way to loop through dataframes with pandas?
• Loop through dataframe one by one (pandas)

编辑：
请使用df.iloc和df.loc代替df[[...]]，参见Selecting multiple columns in a Pandas dataframe