Jak używać zmiennej utworzonej w samej funkcji przypisać z pand

Question

kilka prostych danych, aby nas zaczęło:

import pandas as pd 
import numpy as np 

df = pd.DataFrame({"x": np.random.normal(size=100), "y": np.random.normal(size=100)}) 

Więc, aż do tego momentu, zawsze myślałem, że assign był odpowiednikiem mutate w bibliotece dplyr . Jednak jeśli spróbuję użyć zmiennej, którą utworzyłem w kroku assign w tym samym kroku assign, pojawia się błąd. Rozważmy następujące dane, które jest dopuszczalne w R:

df %>% 
    mutate(z = x * y, w = z + 10) 

Gdy próbuję równowartość w pandas, otrzymuję błąd:

df.assign(z = df.x * df.y, w = z + 10) # Error 
df.assign(z = df.x * df.y, w = lambda d: d.z + 10) # Error 

Jedynym sposobem mogę myśleć, aby to zrobić jest użycie dwa kroki: assign:

df.assign(z = df.x * df.y).assign(w = lambda d: d.z + 10) 

Czy jest coś, co przeoczyłem? Czy jest jeszcze inna funkcja, która jest bardziej odpowiednia?

Answer 1

DataFrame.eval(..., inplace=False) można użyć metody następująco:

In [79]: qry = """ 
    ...: z = x * y 
    ...: w = z + 10 # NOTE: next variable must be on a new line 
    ...: """ 

In [80]: df.eval(qry, inplace=False) 
Out[80]: 
      x   y   z   w 
0 -0.636271 -0.493260 0.313847 10.313847 
1 0.298998 0.266673 0.079735 10.079735 
2 -0.836940 -0.593346 0.496595 10.496595 
3 0.497099 -0.199589 -0.099215 9.900785 
4 2.187165 -0.332140 -0.726445 9.273555 
5 0.472785 0.169204 0.079997 10.079997 
6 -0.847666 -1.519570 1.288088 11.288088 
7 1.262524 1.008820 1.273660 11.273660 
8 -0.632817 -0.463941 0.293590 10.293590 
9 -0.955913 -1.149799 1.099107 11.099107 
10 -1.260231 0.000266 -0.000336 9.999664 
11 1.054885 -1.390762 -1.467094 8.532906 
12 -1.048271 0.816762 -0.856187 9.143813 
13 -0.814064 -0.070574 0.057452 10.057452 
14 -1.279904 -1.079151 1.381211 11.381211 
15 0.223787 -0.887732 -0.198663 9.801337 
16 -0.493267 -0.064099 0.031618 10.031618 
17 -0.549534 0.622976 -0.342346 9.657654 
18 -0.261209 0.267250 -0.069808 9.930192 
19 -2.948658 1.586422 -4.677815 5.322185 
20 -1.959709 1.103462 -2.162465 7.837535 
21 0.595782 -0.699891 -0.416983 9.583017 
22 -0.059947 -0.264011 0.015827 10.015827 
23 0.012929 -1.635020 -0.021139 9.978861 
24 1.387415 -1.763467 -2.446660 7.553340 
..  ...  ...  ...  ... 
75 1.649346 -0.515930 -0.850948 9.149052 
76 -1.111928 -0.674379 0.749861 10.749861 
77 1.413567 -1.377679 -1.947441 8.052559 
78 0.119227 0.382638 0.045621 10.045621 
79 0.064824 -2.043595 -0.132474 9.867526 
80 -1.135878 -0.116922 0.132809 10.132809 
81 -0.423820 1.386475 -0.587616 9.412384 
82 0.642123 -0.914807 -0.587419 9.412581 
83 -0.495118 0.773073 -0.382763 9.617237 
84 0.347832 -0.913034 -0.317582 9.682418 
85 1.314090 1.633140 2.146093 12.146093 
86 -0.277789 0.883307 -0.245373 9.754627 
87 0.514091 -1.349400 -0.693714 9.306286 
88 -0.140958 -0.264500 0.037283 10.037283 
89 -0.975843 -0.608312 0.593617 10.593617 
90 0.242816 0.749860 0.182078 10.182078 
91 1.185033 -0.487483 -0.577683 9.422317 
92 -0.258952 -0.532178 0.137809 10.137809 
93 2.015797 1.788613 3.605481 13.605481 
94 -0.415403 0.224944 -0.093442 9.906558 
95 -0.082239 -1.479761 0.121693 10.121693 
96 -0.707825 2.074192 -1.468165 8.531835 
97 0.517926 0.043832 0.022702 10.022702 
98 -0.667368 -0.916520 0.611656 10.611656 
99 0.366614 0.620221 0.227382 10.227382 

[100 rows x 4 columns] 

Answer 2

To nie są równoważne. Od docs dla assign (podkr):

Assigning multiple columns within the same assign is possible, but you cannot reference other columns created within the same assign call.

To byłoby trudne do zrobienia w Pythonie < 3,6 ponieważ kolejność argumentów słów kluczowych nie jest gwarantowana. maxU's Odpowiedź przy użyciu wielolinijki DataFrame.eval jest fajnym alternatywnym podejściem do problemu.

---

Istnieje również GitHub problem

• API: allow dependent assignment? #14207

który zauważa, że ​​takie zachowanie chcesz mógłby możliwe w Pythonie 3.6 od kwarg argument order is preserved. Wygląda na to, że zachowanie może zostać przyjęte w pandach 2.0.