Python 如何在链式操作中引用数据帧的当前版本

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()
    })
)

---

我想做的是添加另一个步骤，使用

assign

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dataframe的“当前版本”来使用新创建的变量。我意识到我可以将我目前拥有的东西保存到

time\u table

，然后使用

time\u table[“difference”]=time\u table.tip\u fcst-time\u table.tip

，但我喜欢这种链式操作流程，并希望能在其中找到一种方法。这是可能的吗？

如果使用

lambda

功能分配

所选
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)

太棒了。我没有意识到
assign
会将整个数据帧传递给lambda函数。谢谢