创建新列时，您能否在Assign中引用新创建的列？

Question

使用Python 2.7，我有一个函数需要通过它创建一个新列，然后从该新列中创建一个第二列：

def read_assign(fp, col_name):
    df = pd.read_csv(fp).assign(model_id=col_name)
    df = df.assign(analytic_sol = k95(df.average_fuel_T, df.average_rod_burnup),
                   error = np.log10((df.analytic_sol - df.avg_th_cond)/df.analytic_sol))
    return df

当前，我收到一条错误消息，说它无法将df.analytic_sol识别为df的属性。我是否必须创建一个全新的变量并第二次分配？有一个更好的方法吗？

当前，此代码有效，但对我而言似乎效率不高：

def read_assign(fp, col_name):
    df = pd.read_csv(fp).assign(model_id=col_name)
    df = df.assign(analytic_sol = k95(df.average_fuel_T, df.average_rod_burnup))
    df = df.assign(error = np.log10((df.analytic_sol - df.avg_th_cond)/df.analytic_sol))
    return df

Answer 1

对于python 3.6+

尝试使用lambda funcions进行书写。之所以可行，是因为在assign函数完成并返回之前，列不是“ assigned” 。

因此，在第一个assign调用中，df['analytic_sol']尚不存在...但是对于lambda，您实际上是在函数中引用“自我”，而确实是已具有列analytic_sol。

def read_assign(fp, col_name):
    df = pd.read_csv(fp).assign(model_id=col_name)
    df = df.assign(analytic_sol = k95(df.average_fuel_T, df.average_rod_burnup),
                   error = lambda x: np.log10((x['analytic_sol'] - df.avg_th_cond) / x['analytic_sol']))
    return df