为何Pandas中assign生成新列时lambda可生效？

核心逻辑：计算时机的差异 #

• 直接写df['D']这类表达式时，代码会在assign方法开始执行前就完成求值，此时原始DataFrame里还没生成新的D列，要么报错，要么根本用不到刚生成的列值。
• 而lambda表达式是延迟计算的：assign会按顺序处理每一列的赋值，当执行到lambda时，它接收的参数x是前面所有assign操作完成后的中间DataFrame，这个中间df已经包含了刚生成的新列，所以能正确引用。

代码执行流程拆解 #

拿你的示例代码一步步分析：

df = (df
      .assign(A = df['A'] * df['B'],
              D = df['B'] * df['C'],
              D = lambda x: x['D'] * x['C']))

1. 第一步A = df['A'] * df['B']：这里的df是未经过任何assign修改的原始DataFrame，计算出A的新值后，生成临时中间df（记为df1），df1的A是新值，B、C保留原值。
2. 第二步D = df['B'] * df['C']：同样基于原始df的B、C计算，生成中间df2，df2新增了D列（值为原始B*C）。
3. 第三步D = lambda x: x['D'] * x['C']：此时的x就是前面得到的df2，所以x['D']是刚在df2里生成的D列，x['C']是df2里的C列，计算后覆盖D列，得到最终结果。

如果把第三步改成D = df['D'] * df['C']，会直接触发KeyError，因为原始df里根本不存在D列——这行代码在assign启动前就会被求值，自然找不到目标列。

一句话总结 #

直接引用原df的写法只能用到原始列，lambda则能拿到当前步骤前的所有中间结果，所以能访问同语句里刚生成的新列。

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