如何便捷地在Pandas DataFrame中生成大量新列？

针对你需要批量生成大量新列、避免重复输入长DataFrame名称的需求，这里有几种和R语言transform函数逻辑类似的便捷方案：

1. 使用assign()方法（最接近R transform的体验） #

assign()允许你一次性定义多个新列，通过lambda参数指代原DataFrame，彻底避免重复书写长变量名：

# 假设你的长命名DataFrame是：my_complex_named_df
my_complex_named_df = my_complex_named_df.assign(
    new_var_1=lambda x: x['var_1'] + x['var_2'],
    new_var_2=lambda x: x['var_2'] / (x['var_3'] + x['var_4']),
    new_var_3=lambda x: x['var_1'].apply(lambda val: val**2 if val > 0 else val),
    # ... 继续添加所有需要的新列
    new_var_100=lambda x: x['var_5'] * x['var_6'] + x['var_7']
)

• 这里的lambda x中，x就代表原DataFrame，不用重复写长名称
• assign()返回新的DataFrame，因此需要赋值回原变量（或新变量）
• 支持复杂逻辑：包括自定义函数、条件判断、apply操作等，灵活性拉满

2. 使用eval()方法（适合简单运算场景） #

如果你的新列都是简单的算术/逻辑表达式，eval()可以让你直接用列名写运算，语法极度简洁：

# 先定义所有新列的表达式字典
new_columns = {
    'new_var_1': 'var_1 + var_2',
    'new_var_2': 'var_2 / (var_3 + var_4)',
    # ... 其他列的表达式
    'new_var_100': 'var_5 * var_6'
}

# 把表达式拼接成eval可执行的字符串，批量生成列
my_complex_named_df = my_complex_named_df.eval('; '.join([f"{col} = {expr}" for col, expr in new_columns.items()]))

• eval()在DataFrame的上下文执行，直接用列名即可，无需加df[]
• 代码量极少，适合一次性生成大量简单运算的新列

3. 临时别名（可选辅助技巧） #

如果上述方法仍觉得麻烦，还可以给长命名DataFrame先起一个短别名：

d = my_complex_named_df
d['new_var_1'] = d['var_1'] + d['var_2']
d['new_var_2'] = d['var_2'] / (d['var_3'] + d['var_4'])
# ... 批量操作后再赋值回原名称（如果需要）
my_complex_named_df = d

这种方式适合习惯原生赋值写法，但不想重复写长名称的场景。

内容的提问来源于stack exchange，提问作者JiangHao