### 将函数返回的多个值存入Pandas DataFrame 当需要将Python函数返回的多个值存储到Pandas DataFrame中时，可以采用多种方法来实现这一目标。一种常见的方式是先创建一个列表或字典来收集这些返回值，然后再将其转换成DataFrame。 #### 方法一：通过构建列表再转为DataFrame 假设有一个函数`get_data()`会返回三个数值作为元组形式的结果： ```python def get_data(): return (1, "example", 3.14) results = [] for i in range(5): # 假设执行该操作5次 result_tuple = get_data() results.append(result_tuple) df_results = pd.DataFrame(results, columns=['Column_A', 'Column_B', 'Column_C']) print(df_results) ``` 这种方法适用于每次调用函数都得到相同数量字段的情况，并且可以直接定义好每一列的名字[^1]。 #### 方法二：使用字典结构保存不同类型的返回值 对于更复杂的情形，比如函数返回的是不同类型的数据或者是不定长度的对象，则建议使用字典的形式来组织数据，之后同样转化为DataFrame: ```python import pandas as pd def complex_function(index): data_dict = { 'index': index, 'description': f'data point {index}', 'value': float(index * 2), 'tags': ['tag1', 'tag2'] if index % 2 == 0 else None } return data_dict all_records = [complex_function(i) for i in range(5)] final_df = pd.DataFrame(all_records) print(final_df) ``` 这里展示了如何处理含有字符串、浮点数以及可选列表等多种类型组合而成的数据集。注意，在实际应用过程中应当确保所有记录具有相匹配的关键字以便于后续分析工作[^3]。 #### 方法三：直接追加单行至现有DataFrame 如果希望实时更新现有的DataFrame而不是一次性批量加载全部数据，那么可以考虑逐条添加新纪录的方法。虽然效率上不如前两种方案高，但在某些场景下更为灵活方便： ```python base_df = pd.DataFrame(columns=["Index", "Value"]) def add_to_dataframe(idx, val): global base_df new_row = {"Index": idx, "Value": val} temp_df = pd.DataFrame([new_row]) base_df = pd.concat([base_df, temp_df], ignore_index=True) add_to_dataframe(1, 100) add_to_dataframe(2, 200) print(base_df) ``` 此代码片段说明了怎样动态地向DataFrame增加新的行项。需要注意的是，为了防止重复索引等问题的发生，通常会在拼接时设置参数`ignore_index=True`以重新编号所有的行标签。