如何在Pandas中通过方法链对指定列应用对应函数修改值

对于你提出的「支持方法链、保留未指定列、给不同列应用独立自定义函数」的需求，官方推荐的最优实现就是你提到的assign方法，除此之外还有适配动态映射字典场景的组合写法，具体如下： #

1. 首选方案：原生assign写法（可读性、性能最优） #

assign是Pandas专门为方法链场景设计的方法，直接传入列名和对应转换逻辑即可，会自动覆盖指定列、保留其余未指定列：

import pandas as pd
df = pd.DataFrame({'A':[1,2,3], 'B':[1,2,3], 'C':[1,2,3]})

# 直接传键值对，可读性最高
res = df.assign(
    A = lambda x: x['A'] * 2,
    B = lambda x: x['B'] / 2
)

如果你的列-函数映射是动态生成的字典，可以用你提到的解包写法：

func_map = {'A':lambda x: x['A']*2, 'B':lambda x: x['B']/2}
res = df.assign(**func_map)

2. 适配映射字典场景：transform + assign组合写法 #

如果你已经提前定义了仅包含列名和对应转换逻辑的字典（不需要在转换逻辑里写x['列名']），可以用transform先计算指定列的转换结果，再解包给assign覆盖原列：

# 转换逻辑字典不需要指定取值逻辑，更简洁
func_map = {'A':lambda x: x*2, 'B':lambda x: x/2}
res = df.assign(**df.transform(func_map))

方案对比 #

• 不推荐用apply实现该需求：apply默认仅返回指定列，且性能远低于assign和transform的矢量化实现
• 静态转换逻辑优先用原生assign写法，可读性最强
• 动态生成转换规则的场景优先用transform+assign组合写法，代码更简洁

内容的提问来源于stack exchange，提问作者MYK