我尝试将一个函数应用到Pandas数据框，这样的函数需要两个np.数组作为输入，它使用定义良好的模型来拟合它们。
关键是我不能从所选列开始应用这个函数，因为它们的“行”包含从JSON文件中读取的列表，而不是np. array。
现在，我尝试了不同的解决方案：

#Here is where I discover the problem
train_df['result'] = train_df.apply(my_function(train_df['col1'],train_df['col2']))
#so I've tried to cast the Series before passing them to the function in both these ways:
X_col1_casted = trai_df['col1'].dtype(np.array)
X_col2_casted = trai_df['col2'].dtype(np.array)

字符串
坏了

X_col1_casted = trai_df['col1'].astype(np.array)
X_col2_casted = trai_df['col2'].astype(np.array)

型
坏了

X_col1_casted = trai_df['col1'].dtype(np.array)
X_col2_casted = trai_df['col2'].dtype(np.array)

型
不起作用。
我现在想做的是一个很长的过程，比如：
从未转换的column-series开始，将它们转换为list（），对它们进行迭代，将函数应用于np.array（）的单个元素，并将结果追加到一个临时列表中。完成后，我将把这个列表转换为一个新的列。（显然，我不知道它是否有效）
你们谁知道怎么帮我？
编辑：我补充一个例子来说明：
该函数假设有两个np. arrays作为输入。现在它有两个列表，因为它们是从一个json文件中检索到的。情况是这样的：

col1        col2    result
[1,2,3]     [4,5,6]  [5,7,9]
[0,0,0]     [1,2,3]  [1,2,3]

型
很明显，这个函数不是求和函数，而是一个自身函数。假设这个求和函数只能从数组开始，而不能从表开始，我该怎么办？
Thanks in advance