如何在Pandas链式调用中无需pipe，用Lambda实现DataFrame合并？

问题背景 #

需要在Pandas方法链式调用的前提下，不使用pipe方法，通过lambda函数基于上一个DataFrame的状态调用merge方法。

可运行但依赖pipe的代码 #

以下代码通过pipe实现需求，能正常运行：

import pandas as pd

(pd.DataFrame(
    [{'YEAR':2013,'FK':1, 'v':1},
     {'YEAR':2013,'FK':2, 'v':2},
     {'YEAR':2014,'FK':1, 'v':3},
     {'YEAR':2014,'FK':2, 'v':4}
    ])
  .pipe(lambda w: w.merge(w.query('YEAR==2013')[['FK','v']],
        on='FK',
        how='left'
       ))
)

错误尝试及报错信息 #

直接将lambda传入merge的写法无法运行：

import pandas as pd

(pd.DataFrame(
    [{'YEAR':2013,'FK':1, 'v':1},
     {'YEAR':2013,'FK':2, 'v':2},
     {'YEAR':2014,'FK':1, 'v':3},
     {'YEAR':2014,'FK':2, 'v':4}
    ])
 .merge(lambda w: w.query('YEAR==2013'),
        on='FK',
        how='left'
       )
)

报错信息（已翻译）：

TypeError: 只能合并Series或DataFrame对象，传入了一个<class 'function'>类型的对象

解决方案 #

merge方法的第一个参数必须是DataFrame或Series对象，不能直接传入lambda函数。要在链式调用中不依赖pipe，可以通过立即执行lambda函数的方式，用上一步的DataFrame（用_表示）作为参数传入，得到符合要求的DataFrame后再传入merge。

方案1：使用立即执行的lambda

import pandas as pd

(pd.DataFrame(
    [{'YEAR':2013,'FK':1, 'v':1},
     {'YEAR':2013,'FK':2, 'v':2},
     {'YEAR':2014,'FK':1, 'v':3},
     {'YEAR':2014,'FK':2, 'v':4}
    ])
 .merge((lambda df: df.query('YEAR==2013')[['FK','v']])(_),
        on='FK',
        how='left'
       )
)

方案2：直接使用_简化写法

其实可以不用lambda，直接用链式调用的占位符_代表上一步的DataFrame，直接调用query处理后传入merge：

import pandas as pd

(pd.DataFrame(
    [{'YEAR':2013,'FK':1, 'v':1},
     {'YEAR':2013,'FK':2, 'v':2},
     {'YEAR':2014,'FK':1, 'v':3},
     {'YEAR':2014,'FK':2, 'v':4}
    ])
 .merge(_.query('YEAR==2013')[['FK','v']],
        on='FK',
        how='left'
       )
)

说明 #

• 链式调用中的_是Pandas提供的占位符，代表上一步操作返回的DataFrame对象
• 两种方案都避免了使用pipe，直接基于上一步的DataFrame状态完成merge操作

内容的提问来源于stack exchange，提问作者the_RR