熊猫如何传递DataFrame.assign参数以添加多个新列？

Question

分配如何用于返回添加了多个新列的原始DataFrame的副本？

预期结果：

df = pd.DataFrame({'A': range(1, 5), 'B': range(11, 15)})
>>> df.assign({'C': df.A.apply(lambda x: x ** 2), 'D': df.B * 2})
   A   B   C   D
0  1  11   1  22
1  2  12   4  24
2  3  13   9  26
3  4  14  16  28

上面的示例导致：

ValueError:传递的项目数错误2，放置意味着1。

背景：

Pandas中的assign函数获取与新分配列关联的相关数据帧的副本，例如：。

df = df.assign(C=df.B * 2)
>>> df
   A   B   C
0  1  11  22
1  2  12  24
2  3  13  26
3  4  14  28

此函数的0.19.2文档说明可以向数据帧添加多个列。

可以在同一分配中分配多个列，但不能引用在同一分配调用中创建的其他列。

此外：

参数：
kwargs:关键字，值对

关键字是列名。

函数的源代码声明它接受字典：

def assign(self, **kwargs):
    """
    .. versionadded:: 0.16.0
    Parameters
    ----------
    kwargs : keyword, value pairs
        keywords are the column names. If the values are callable, they are computed 
        on the DataFrame and assigned to the new columns. If the values are not callable, 
        (e.g. a Series, scalar, or array), they are simply assigned.

    Notes
    -----
    Since ``kwargs`` is a dictionary, the order of your
    arguments may not be preserved. The make things predicatable,
    the columns are inserted in alphabetical order, at the end of
    your DataFrame. Assigning multiple columns within the same
    ``assign`` is possible, but you cannot reference other columns
    created within the same ``assign`` call.
    """

    data = self.copy()

    # do all calculations first...
    results = {}
    for k, v in kwargs.items():

        if callable(v):
            results[k] = v(data)
        else:
            results[k] = v

    # ... and then assign
    for k, v in sorted(results.items()):
        data[k] = v

    return data

Answer 1

通过将每个新列作为关键字参数提供，可以创建多个列：

df = df.assign(C=df['A']**2, D=df.B*2)

我使用**将字典解包为关键字参数，从而使示例字典正常工作：

df = df.assign(**{'C': df.A.apply(lambda x: x ** 2), 'D': df.B * 2})

似乎assign应该可以使用字典，但根据您发布的源代码，它目前似乎不受支持。

结果输出：

   A   B   C   D
0  1  11   1  22
1  2  12   4  24
2  3  13   9  26
3  4  14  16  28