pandas pd.col() 列表达式

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas.col(col_name) 是 pandas 3.0.0 版本中新增的一个函数，用于生成一个延迟求值（deferred）的列表达式对象，代表 DataFrame 中某一列。它主要用在那些原本需要使用 lambda df: df[col_name] 的地方，以提供更简洁、可读性更强的语法。

📘 函数签名

pandas.col(col_name)

注意：该函数只有一个参数，因此无需换行。

📌 参数说明

参数名	类型	说明
`col_name`	Hashable	要引用的列名，必须是可哈希类型（如字符串、整数等）。

🔙 返回值

返回类型：pandas.api.typing.Expression
这是一个表达式对象，不会立即求值，而是在被传入如 .assign()、.loc[]、.query() 等上下文中时，才根据当前 DataFrame 动态解析为对应列的数据（即 Series）。

✅ 支持的数据类型（作为 `col_name`）

col_name 必须是 可哈希（Hashable） 的类型，常见包括：

字符串（最常用）：如 "age"、"price"
整数：如 0、1（用于整数列名的 DataFrame）
元组（如果列是 MultiIndex）：如 ("A", "x")
其他不可变类型（如 datetime 对象作列名，较少见）

❌ 不支持列表、字典、集合等可变或不可哈希类型。

🧩 使用场景

在 DataFrame.assign() 中创建新列
在 DataFrame.loc[] 中进行条件筛选
未来可能扩展到 DataFrame.eval()、DataFrame.query() 等表达式系统中

目前（pandas 3.0）官方文档明确支持 .assign() 和 .loc[]。

📚 示例说明（由浅入深）

▶ 示例 1：基本用法 —— 在 `assign()` 中使用

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    "name": ["beluga", "narwhal"],
    "speed": [100, 110]
})
print("原始数据:")
print(df)

输出：

原始数据:
      name  speed
0   beluga    100
1  narwhal    110

使用 pd.col 创建新列：

result = df.assign(name_titlecase=pd.col("name").str.title())
print("\n使用 pd.col 处理后:")
print(result)

输出：

使用 pd.col 处理后:
      name  speed name_titlecase
0   beluga    100         Beluga
1  narwhal    110        Narwhal

等价于 df.assign(name_titlecase=lambda df: df["name"].str.title())，但更清晰。

▶ 示例 2：在 `.loc[]` 中用于条件筛选

filtered = df.loc[pd.col("speed") > 105]
print("\n筛选 speed > 105 的行:")
print(filtered)

输出：

筛选 speed > 105 的行:
      name  speed
1  narwhal    110

等价于 df.loc[df["speed"] > 105]，但在链式操作或函数式风格中更统一。

▶ 示例 3：使用整数列名（验证 Hashable 支持）

df2 = pd.DataFrame([[1, 2], [3, 4]], columns=[0, 1])
print("整数列名 DataFrame:")
print(df2)

result2 = df2.assign(sum_col=pd.col(0) + pd.col(1))
print("\n使用 pd.col(0) 和 pd.col(1) 相加:")
print(result2)

输出：

整数列名 DataFrame:
   0  1
0  1  2
1  3  4

使用 pd.col(0) 和 pd.col(1) 相加:
   0  1  sum_col
0  1  2        3
1  3  4        7

▶ 示例 4：与 lambda 对比（突出可读性优势）

传统写法（嵌套 lambda 容易混乱）：

df.assign(
    upper=lambda d: d["name"].str.upper(),
    double_speed=lambda d: d["speed"] * 2
)

使用 pd.col 更直观：

df.assign(
    upper=pd.col("name").str.upper(),
    double_speed=pd.col("speed") * 2
)

尤其在复杂表达式中，避免重复写 lambda d: d[...]，提升代码整洁度。

⚠️ 注意事项

pd.col("xxx") 本身不绑定任何 DataFrame，是一个“占位符”。
如果列名不存在，在实际执行时（如 .assign() 内部）会抛出 KeyError。
不能直接打印 pd.col("name") 得到数据，它只是一个表达式对象。

✅ 总结

pandas.col(col_name) 是 pandas 表达式系统的重要组成部分，旨在：

提供更声明式的列引用方式；
增强链式操作和函数式编程风格的支持；
为未来更强大的惰性计算和查询优化打下基础。

适合在数据清洗、特征工程等需要大量列操作的场景中使用，让代码更简洁、可维护。

（完）

更新时间：2026-02-03 21:41:24 标签：pandas python 列表达式