如何在Pandas管道合并后使用assign/transform生成新变量？

现有两个Pandas DataFrame：

import pandas as pd

solar_part = pd.DataFrame(
     {'pool': 1,
      'orig': 635.1}, index = [0]
     )

solar_aod = pd.DataFrame(
     {'pool': [1,1,1,1],
      'MoP': [1,2,3,4],
      'prin': [113.1, 115.3, 456.6, 234.1]}
     )

尝试通过管道合并后用assign生成新变量时触发错误：

solar_p = (
    solar_aod
    .merge(solar_part, on = ['pool'], how = 'left')
    .assign(remn = ['prin'] / ['orig'])
    )

错误信息：TypeError: unsupported operand type(s) for /: 'list' and 'list'；仅用引号（如'prin' / 'orig'）会触发字符串类型的同类错误。直接通过solar_p.prin / solar_p.orig * 100的写法可行，但需要在管道内完成多个运算，希望实现简洁的管道式操作。

错误根源 #

你使用['prin']和['orig']创建的是Python普通列表，而非引用DataFrame的列对象，因此无法执行数值除法。assign方法中需要通过正确方式访问当前管道中的DataFrame列。

正确的assign写法 #

有两种简洁的实现方式，支持在管道内一次性定义多个新变量：

1. Lambda函数访问DataFrame（通用写法，支持依赖新生成的列）

solar_p = (
    solar_aod
    .merge(solar_part, on=['pool'], how='left')
    .assign(
        remn=lambda df: df['prin'] / df['orig'] * 100,
        # 可继续添加任意多个运算
        prin_total_ratio=lambda df: df['prin'] / df['prin'].sum(),
        orig_gap=lambda df: df['prin'] - df['orig']
    )
)

通过lambda df捕获管道中的当前DataFrame，再用df['列名']访问列进行运算，能无缝衔接管道操作，且支持后续新变量依赖前面生成的列。

2. 直接引用列属性（更简洁，适用于不依赖新列的场景）

solar_p = (
    solar_aod
    .merge(solar_part, on=['pool'], how='left')
    .assign(remn=lambda df: df.prin / df.orig * 100)
)

结合transform的分组运算场景 #

如果需要对分组数据做转换（比如按pool分组计算占比），可以在管道中结合groupby和transform实现：

solar_p = (
    solar_aod
    .merge(solar_part, on=['pool'], how='left')
    .groupby('pool')
    .transform(
        lambda df: df.assign(
            remn=df.prin / df.orig * 100,
            group_prin_share=df.prin / df.prin.sum()
        )
    )
    .reset_index(drop=True)
)

内容的提问来源于stack exchange，提问作者Jason Richardson