将单个值存储为DataFrame的属性而不是列的缺点是什么？

Question

我遇到了一些根据DataFrame计算单个值的代码，并将其存储为DataFrame的属性，而不是单独的变量或新列。

这是一个例子。投资组合有两个证券，每个证券都有价格和数量。

import pandas

data = {"Prices" : [83.28, 107.38], "Quantities" : [125.926, 7241.531]}
portfolio = pandas.DataFrame(data, index = ["BND", "VTI"], columns = ["Prices", "Quantities"])
portfolio.value = portfolio["Prices"].dot(portfolio["Quantities"])

以这种方式存储value有什么好处，而不是单独的变量或新的数据列？那是

portfolio["Value"] = portfolio["Prices"].dot(portfolio["Quantities"])

从技术上讲，后者可能会占用更多内存，因为数据集中的每个观察值都会重复这些值，但实际上，这些投资组合大约有1000个证券，因此它不是问题。

将值作为DataFrame的属性进行分配并不会在酸洗中存活，但是还有其他缺点吗？有一些隐藏的好处吗？

Answer 1

我猜这是编码错误。我以前做过这个。

假设：

df = pd.DataFrame([1], ['x'])

我以为我有：

df['y'] = 2

但实际上并没有。

后来，我：

df.y = df.x.sum()

如果我实际完成df['y'] = 2，df.y会指向系列df['y']。但是因为我没有，df.y = df.x.sum()将df['x']的标量和分配给y的属性df。

换句话说，我认为没有任何好处。