Pandas操作DataFrame时如何简化重复的长数据框名引用？

针对多步连续列运算时反复书写DataFrame变量名的冗余问题，Pandas本身提供了多种原生简化写法，也可以通过自定义上下文管理器实现with语句的简化效果，具体方案如下：

原生无依赖简化方案（生产环境推荐） #

• 使用assign做链式运算
  assign是Pandas原生设计用于新增/修改列的链式方法，全程不需要重复书写DataFrame变量名，Pandas 1.3+版本支持直接在同一次链式调用中引用刚生成的新列：

df_movement = df_movement.assign(
    speed = lambda x: x["distance"] / x["time"],
    estimated_time = lambda x: x["target_distance"] / x["speed"]
)

如果使用1.3以下的旧版本，把依赖新列的步骤拆成多段assign链式调用即可，代码依然比反复写df_movement[xxx]简洁很多。

• 使用eval直接写列运算表达式
  针对纯算术、逻辑运算的场景，eval方法支持直接用列名写表达式，完全不需要写DataFrame名和索引方括号，可读性最高：

df_movement.eval("""
speed = distance / time
estimated_time = target_distance / speed
""", inplace=True)

自定义with语句实现极简书写 #

Pandas没有内置对应上下文管理器，但可以用标准库的contextlib实现一个简单的上下文管理器，with块内不需要重复书写长变量名：

from contextlib import contextmanager

@contextmanager
def lazy_df(df):
    col_map = df.to_dict("series")
    try:
        yield col_map
    finally:
        for col, series in col_map.items():
            df[col] = series

使用时写法如下：

with lazy_df(df_movement) as c:
    c["speed"] = c["distance"] / c["time"]
    c["estimated_time"] = c["target_distance"] / c["speed"]

如果是本地交互写分析脚本，还可以进一步修改上下文管理器，把列直接注入局部命名空间，实现with块内直接写speed = distance / time的效果，注意不要和外部已有变量重名即可。

提示：生产环境优先选择assign、eval这类原生方法，兼容性和可维护性更好；自定义with方案更适合日常快速分析的交互场景。

内容的提问来源于stack exchange，提问作者Stgauss