Pandas方法链式调用中如何实现原地赋值以替代assign()的拷贝操作

针对兼顾链式调用优雅性和原地赋值高性能的需求，有非常简单的实现方案：

方法1：借助pipe实现无侵入式原地赋值 #

先定义一个通用的原地赋值函数：

def assign_inplace(df, **kwargs):
    for col_name, calc_logic in kwargs.items():
        # 支持直接传入值或者用lambda基于当前df计算
        df[col_name] = calc_logic(df) if callable(calc_logic) else calc_logic
    return df

使用时配合pipe即可实现链式调用：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(5,2), columns=['a', 'b'])
# 一行完成新增列+后续聚合操作，无额外内存拷贝
df.pipe(assign_inplace, c=lambda x: x.a + x.b).sum()

方法2：挂载为DataFrame内置方法（更贴近原生assign用法） #

如果需要高频使用，可以直接将方法挂载到Pandas的DataFrame类上，后续无需每次传pipe：

pd.DataFrame.assign_inplace = assign_inplace

# 调用方式和原生assign完全一致
df.assign_inplace(c=lambda x: x.a + x.b).sum()

性能说明 #

该实现的运行速度和原生df['c'] = df.a + df.b的原地赋值几乎一致，远快于返回副本的原生assign方法，因为全程没有额外的内存拷贝操作。

注意事项 #

• 原地修改会直接变更原始DataFrame的数据，若需要保留原始数据请使用原生assign方法
• 赋值逻辑推荐用lambda表达式基于传入的df计算，避免直接引用外部df变量，防止链式中间步骤修改后计算结果不符合预期
• 若链式调用中包含切片、过滤等操作，需注意操作对象是否为原df的视图，避免触发SettingWithCopyWarning

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