遍历Pandas透视表计算新列时遇NameError问题求助

最直接的解决方案：跳过字典，直接用布尔条件定位 #

你不需要用字典来实现这个需求，直接通过loc结合布尔条件就能完成赋值，既简单又高效：

import pandas as pd

# 先给新列初始化空值
sales_pivot['2019_udc'] = ''
# 精准定位符合条件的行：2018年有消费（假设消费>0代表有消费）且2019年消费为0
sales_pivot.loc[(sales_pivot[2018] > 0) & (sales_pivot[2019] == 0), '2019_udc'] = 'Churn'

如果之后要对2020、2021等年份复用相同逻辑，把逻辑封装成函数就行，避免重复代码：

def mark_churn(df, target_year):
    prev_year = target_year - 1
    new_col = f'{target_year}_udc'
    df[new_col] = ''
    df.loc[(df[prev_year] > 0) & (df[target_year] == 0), new_col] = 'Churn'

# 给2019年打标签
mark_churn(sales_pivot, 2019)
# 给2020年打标签
mark_churn(sales_pivot, 2020)

如果一定要用字典实现延迟求值 #

如果坚持要用字典来管理不同年份的逻辑，问题出在你直接把year变量写进字典的条件里，Python会立即尝试解析year导致报错。解决办法是把条件包装成可调用对象（比如lambda），让字典存储逻辑而非直接计算结果：

# 字典里存的是接收DataFrame的lambda，不会立即求值
churn_logic = {
    2019: lambda df: (df[2018] > 0) & (df[2019] == 0)
}

# 遍历字典，给对应年份的列赋值
for year, condition in churn_logic.items():
    col_name = f'{year}_udc'
    # 用loc结合条件直接赋值，比apply高效
    sales_pivot[col_name] = ''
    sales_pivot.loc[condition(sales_pivot), col_name] = 'Churn'

注意：这种方法本质还是用loc，只是把条件存在字典里，避免了变量提前求值的问题。如果数据量较大，优先用第一种方法，apply的性能远不如直接的布尔索引。

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