Python 不带传递参数的Lambda函数

我有一个示例数据帧，其中列“one”和“two”由一些随机整数组成。我试图更深入地理解一些带有lambda函数的代码，但感到困惑的是，这些代码似乎在没有提供要传递给lambda函数的参数的情况下神奇地工作

最初，我使用assign（）方法创建一个新列“newcol”，并将df传递给一个显式lambda函数func（df）。函数返回df的“一”列的日志：

df=df.assign(newcol=func(df))

到目前为止还不错

然而，让我困惑的是，代码在不通过df的情况下也能正常工作

df=df.assign(newcol2=func)

即使我没有将（df）传递给lambda函数，它也会正确地执行操作。解释器如何知道df被传递到lambda函数中

下面的示例代码和输出：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(1,10,size=16).reshape(8,2),columns=["one","two"])
func=lambda x: np.log(x.one)
df=df.assign(newcol=func(df))
print(df)

#This one works too, but why?
df=df.assign(newcol2=func)
print(df)

---

（注意，我本可以使用assign的lambda func内联函数，但为了清晰起见，这里将其显式使用。）

如果使用

pd.DataFrame.assign（）

并传递一个

可调用的

，则它假定第一个参数实际上是数据帧本身

例如，如果将代码更改为以下内容：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(1,10,size=16).reshape(8,2),columns=["one","two"])
func=lambda c, x: np.log(x.one + c)
df=df.assign(newcol=func(1, df))
print(df)

#This one will no longer work!
df=df.assign(newcol2=func)
print(df)

最后一次调用

assign（）

将不起作用

这一点在本节中进行了解释。

---

行

df.assign（newcol=func（1，df））

使用不可调用的路径，而行

df.assign（newcol=func）

使用可调用的路径。

这不是编译，只是如何编写assign源代码。如中所述

其中该值是可调用的，根据df计算：

---

我对df知之甚少，但下面的代码：

df.assign（newcol=func（df））

表示您已经用param

df

调用了

func

。然而，这：

df.assign（newcol2=func）

意味着您正在传入

func

，而不调用它，因此df可以在需要时调用它。正如@quamrana所说。在文档中，它说“如果值是可调用的，那么它们将在数据帧上计算并分配给新列……如果值是不可调用的（例如，一个系列、标量或数组），那么它们将被简单地分配。”因此，在第二个示例中，它将应用函数。干杯，回答得好。今天学到了一些新东西：）作为旁注，Python代码是解释的，而不是编译的（通常）。谢谢，编辑成解释器。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(1,10,size=16).reshape(8,2),columns=["one","two"])
func=lambda c, x: np.log(x.one + c)
df=df.assign(newcol=func(1, df))
print(df)

#This one will no longer work!
df=df.assign(newcol2=func)
print(df)