Python UnboundLocalError：局部变量'；说明索赔比率'；分配前参考 def cal_monthly_avg（每月数据、时点数据、当前年份）： st_pop_data.set_index（'State'，inplace=True） #将该州所有人口相加，得出最终美国人口 us_pop=st_pop_数据[‘人口]]。总和（） #将州人口添加到每月的_df中 月列=月列 临时数据=局部合并（每月数据，固定数据，左指数=真，右指数=真） 对于以每月为单位的col： 每月索赔金额=临时费用[col].sum（） #打印（每月总索赔） 每10万美元的索赔额=每月索赔额*100000美元/pop #打印（每10万人10万美元） 每10万人的索赔额为10万美元 #下降列总体 温度下降（'总体'，轴=1，就地=True） 完整的季度列表=[parameters.update\u year+'Q1'，parameters.update\u year+'Q2'，parameters.update\u year+'Q3'，parameters.update\u year+'Q4'] 最大月份=最大（每月） 如果int（参数更新年）

这个函数保存在function.py中，然后我将这个函数导入到另一个脚本中

cal\u weekly\u claims.py.

然后在cal_weekly_claims.py中使用此函数：

df=function.cal\u monthly\u avg（每月df、st\u pop\u数据，'2018'）

我犯了个错误

错误：UnboundLocalError:赋值前引用的局部变量“state\u claim\u ratio\u df”

---

为什么我会犯这个错误

没有一个条件为真，因此未定义变量

这是因为您没有使用正确的运算符。在Python中，布尔“and”是

和
。
&
运算符用于按位比较

def cal_monthly_avg(monthly_df, st_pop_data, current_year):

    st_pop_data.set_index('State', inplace=True)
    # Final us population by adding all population in state
    us_pop = st_pop_data['Population'].sum()
    # add state population into monthly_df
    monthly_cols = monthly_df.columns
    temp_df = pd.merge(monthly_df, st_pop_data, left_index=True, right_index=True)

    for col in monthly_cols:
        sum_monthly_claim = temp_df[col].sum()
        # print(sum_monthly_claim)
        us_per_100k_people_claims = sum_monthly_claim * 100000 / us_pop
        # print(us_per_100k_people_claims)
        temp_df[col] = temp_df[col] * 100000 / temp_df['Population'] / us_per_100k_people_claims

    # drop column Population
    temp_df.drop('Population', axis=1, inplace=True)
    full_quarter_list = [parameters.update_year + 'Q1', parameters.update_year + 'Q2', parameters.update_year + 'Q3', parameters.update_year + 'Q4']
    max_month = max(monthly_cols)

    if int(parameters.update_year) < current_year:
        temp_df[parameters.update_year + 'Q1'] = temp_df[temp_df.columns[0:3]].mean(axis=1)
        temp_df[parameters.update_year + 'Q2'] = temp_df[temp_df.columns[3:6]].mean(axis=1)
        temp_df[parameters.update_year + 'Q3'] = temp_df[temp_df.columns[6:9]].mean(axis=1)
        temp_df[parameters.update_year + 'Q4'] = temp_df[temp_df.columns[9:12]].mean(axis=1)
        state_claim_ratio_df = temp_df[full_quarter_list]

    elif max_month < 12 & max_month >= 9:
        part_quarter_list = [parameters.update_year + 'Q1', parameters.update_year + 'Q2', parameters.update_year + 'Q3']
        temp_df[parameters.update_year + 'Q1'] = temp_df[temp_df.columns[0:3]].mean(axis=1)
        temp_df[parameters.update_year + 'Q2'] = temp_df[temp_df.columns[3:6]].mean(axis=1)
        temp_df[parameters.update_year + 'Q3'] = temp_df[temp_df.columns[6:9]].mean(axis=1)
        state_claim_ratio_df = temp_df[part_quarter_list]

    elif max_month < 9 & max_month >= 6:
        part_quarter_list = [parameters.update_year + 'Q1', parameters.update_year + 'Q2']
        temp_df[parameters.update_year + 'Q1'] = temp_df[temp_df.columns[0:3]].mean(axis=1)
        temp_df[parameters.update_year + 'Q2'] = temp_df[temp_df.columns[3:6]].mean(axis=1)
        state_claim_ratio_df = temp_df[part_quarter_list]

    elif max_month < 6 & max_month >= 3:
        part_quarter_list = [parameters.update_year + 'Q1']
        temp_df[parameters.update_year + 'Q1'] = temp_df[temp_df.columns[0:3]].mean(axis=1)
        state_claim_ratio_df = temp_df[part_quarter_list]

    return state_claim_ratio_df

elif max\u month<12且max\u month>=9：

等等

但请注意，您的条件更习惯于用链式比较来表示：

elif max_month < 12 and max_month >= 9:

如果9看起来像是你忘了在函数中定义
声明索赔比率df
。别忘了接受答案，作为向未来搜索者表明它解决了你的问题的标志。
if 9 <= max_month < 12: