python - 如何在链式操作中引用当前版本的 Pandas 数据框

Question

假设我有以下数据集:

import pandas as pd
import numpy as np

df = pd.read_csv("https://raw.github.com/pandas-dev/pandas/master/pandas/tests/data/tips.csv")

df["tip_fcst"] = np.random.uniform(low=0, high=0.40, size=len(df))
df["tip_fcst"] = df.tip_fcst * df.total_bill

df.head(5)
   total_bill   tip     sex smoker  day    time  size  tip_fcst
0       16.99  1.01  Female     No  Sun  Dinner     2  1.123689
1       10.34  1.66    Male     No  Sun  Dinner     3  3.125474
2       21.01  3.50    Male     No  Sun  Dinner     3  2.439321
3       23.68  3.31    Male     No  Sun  Dinner     2  3.099715
4       24.59  3.61  Female     No  Sun  Dinner     4  1.785596

我正在执行以下操作

time_table = (
df
.groupby("time")
.agg({"tip": lambda x:
          df.ix[x.index].tip.sum() / df.ix[x.index].total_bill.sum(),
      "tip_fcst": lambda x:
          df.ix[x.index].tip_fcst.sum() / df.ix[x.index].total_bill.sum()
    })
)

我想做的是使用 assign 添加另一个步骤来创建一个名为 difference 的新变量。我遇到的问题是我不知道如何引用数据框的“当前版本”来使用新创建的变量。我意识到我可以将到目前为止的内容保存到 time_table，然后使用 time_table["difference"] = time_table.tip_fcst - time_table.tip，但我喜欢这样链式操作的流程，并希望有一种方法可以在其中完成。这可能吗？

Answer 1

如果您使用 lambda 函数分配选定的 DF，则可以将这些链接在一起:

(df.groupby("time").agg({"tip": lambda x: df.ix[x.index].tip.sum() / df.ix[x.index].total_bill.sum(),
                         "tip_fcst": lambda x: df.ix[x.index].tip_fcst.sum() / df.ix[x.index].total_bill.sum()})
).assign(difference=lambda x: x.tip_fcst - x.tip)