为何函数内拼接DataFrame列名生成的字符串列表会报错？

我遇到一个无法解释的问题：在函数内外执行列表拼接时结果不同。具体来说，我尝试在函数内基于DataFrame列名拼接字符串列表会报错，但在函数外执行却完全正常。示例如下：

【示例】假设我要编写一个函数，返回DataFrame某列的多个滞后值，并基于原列名为滞后变量分配新名称，代码如下：

import pandas as pd
import numpy as np
rng = np.random.default_rng(22222222)

df = pd.DataFrame({'X':rng.random(10)})

print(df)

输出：

X
0  0.279384
1  0.838032
2  0.298536
3  0.056188
4  0.532023
5  0.560038
6  0.127512
7  0.322774
8  0.813949
9  0.245242

编写函数：

def lagger(column, lags): #Takes as input a DataFrame column in the form df[colname]
    lags = [column.shift(i) for i in range(1, lags+1)]

    df = pd.concat(lags, axis=1) #a DataFrame with a column for each lag.

    names = [f"{column.name}_L{i}" for i in range(1,lags+1)] #generate new names

    df.rename(names, axis='columns', inplace=True)

    return df

测试函数时出现如下错误：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[27], line 1
----> 1 lagger(df['X'], 3)

Cell In[25], line 6
      2 lags = [column.shift(i) for i in range(1, lags+1)]
      4 df = pd.concat(lags, axis=1) #a DataFrame with a column for each lag.
----> 6 names = [f"{column.name}_L{i}" for i in range(1,lags+1)] #generate new names
      8 df.rename(names, axis='columns', inplace=True)
     10 return df

TypeError: can only concatenate list (not "int") to list

但在函数外执行类似的列表推导式却能正常运行：

[f"{df['X'].name}_L{i}" for i in range(1,4)]

输出：

['X_L1', 'X_L2', 'X_L3']

我已了解生成多个滞后值的实现方法，现仅询问：为何函数内执行[f"{column.name}_L{i}" for i in range(1,lags+1)]会失败，而函数外执行[f"{df['X'].name}_L{i}" for i in range(1,4)]却正常？

核心原因是你在函数内部覆盖了参数lags的变量类型：

• 函数定义时，lags是传入的整数参数（比如调用时的3）
• 但函数第一行代码lags = [column.shift(i) for i in range(1, lags+1)]把lags从整数改成了列表对象
• 后续执行range(1,lags+1)时，lags已经是列表，尝试用列表加整数（lags+1）就会触发TypeError——这就是报错的直接原因

而函数外的代码中，你用的是明确的整数4，range(1,4)是合法操作，所以不会报错。

如果要修复这个问题，只需要把第一行的变量名改成不与参数重名的名称，比如lag_columns：

def lagger(column, lags):
    lag_columns = [column.shift(i) for i in range(1, lags+1)]  # 重命名变量，避免覆盖参数
    df = pd.concat(lag_columns, axis=1)
    names = [f"{column.name}_L{i}" for i in range(1,lags+1)]
    df.rename(names, axis='columns', inplace=True)
    return df

内容的提问来源于stack exchange，提问作者thagomizer