Python/Pandas能否简化DataFrame新增列语法，类似SAS Data Step？

嗨Sean，这个需求太戳人了——谁不想少写些重复的df['列名']呢？Pandas本身默认不支持你设想的with df1: c = a + b这种直接上下文语法，但有几个内置/第三方方案能实现类似的简洁效果，甚至更灵活：

1. 用Pandas内置的eval()方法（最接近SAS风格） #

这是最贴合你需求的方案！DataFrame.eval()允许你直接用字符串形式写列名表达式，完全不用重复引用DataFrame对象：

import pandas as pd

df1 = pd.DataFrame({'a': [1], 'b': [2]})
# 原地新增列c，直接写a + b即可
df1.eval('c = a + b', inplace=True)

如果不想修改原DataFrame，也可以去掉inplace=True，直接赋值给新变量：

df2 = df1.eval('c = a + b')

这个方法还支持更复杂的表达式，比如df1.eval('c = a * 2 + b / 3')，语法逻辑和SAS Data Step几乎一致。

2. 使用assign()方法实现链式操作 #

assign()是Pandas内置的新增列工具，语法简洁，尤其适合连续新增多个列的场景：

# 方式1：直接引用列
df1 = df1.assign(c=df1['a'] + df1['b'])

# 方式2：用lambda参数，适配复杂逻辑
df1 = df1.assign(c=lambda x: x['a'] + x['b'])

链式调用示例（一次性加多个列）：

df1 = df1.assign(
    c=lambda x: x['a'] + x['b'],
    d=lambda x: x['c'] * 2
)

3. 第三方库：dfply（模仿R语言dplyr风格） #

如果你愿意安装第三方库，dfply提供了更接近“自然语言”的操作语法，和SAS Data Step的逻辑高度契合：
先安装库：

pip install dfply

然后用mutate函数新增列：

from dfply import mutate, X

df1 = df1 >> mutate(c=X.a + X.b)

这里的X代表DataFrame本身，>>是管道操作符，把数据传递给后续操作，读起来非常直观。

总结 #

如果追求最接近你设想的SAS风格，优先用df.eval()；如果需要链式多列操作，assign()是内置的稳妥选择；喜欢R语言风格的话可以试试dfply。

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