从多个其他变量创建 pandas 变量的 pythonic 方法是什么

问：

我是一名 R 程序员，目前正在尝试学习 Python / Pandas。目前，我正在尝试解决如何从使用多个现有变量的函数中清晰干净地创建新变量的问题。

请注意，我的示例中使用的函数并不那么复杂，但我试图推广到可能更复杂或需要更多变量的任意函数的情况，也就是说，我试图避免针对此特定函数优化的解决方案，并更多地关注如何处理一般情况。

作为参考，这是我如何在 R 中执行此操作的示例。

library(tidyverse)

df <- data_frame(
    num = c(15, 52 , 24 , 29),
    cls = c("a" , "b" , "b", "a")
)

attempt1 <- function( num , cls){
    if ( cls == "a") return( num + 10)
    if ( cls == "b") return( num - 10)
}

## Example 1
df %>% 
    mutate( num2 = map2_dbl( num , cls , attempt1))

## Example 2
df %>% 
    mutate( num = ifelse( num <= 25 , num + 10 , num)) %>% 
    mutate( num2 = map2_dbl( num , cls , attempt1))

阅读 pandas 文档以及各种 SO 帖子，我发现了多种在 python 中实现这一目标的方法，但是它们都不适合我。作为参考，我在下面发布了我当前的 3 个解决方案：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "num" : [14, 52 , 24 , 29],
    "cls" : ["a" , "b" , "b" ,"a"]
})

### Example 1

def attempt1( num, cls):
    if cls == "a":
        return num + 10
    if cls == "b":
        return num - 10

df.assign( num2 = df.apply( lambda x: attempt1(x["num"] , x["cls"]) , axis = 1))


def attempt2( df):
    if df["cls"] == "a":
        return df["num"] + 10
    if df["cls"] == "b":
        return df["num"] - 10

df.assign( num2 = df.apply(attempt2, axis=1))



def attempt3(df):
    df["num2"] = attempt1(df["num"], df["cls"])
    return df

df.apply( attempt3 , axis = 1)



### Example 2

df.assign( num = np.where( df["num"] <= 25 , df["num"] + 10 , df["num"]))\
    .apply( attempt3 , axis = 1)

我对尝试 1 的问题是它看起来非常冗长。此外，您需要自行引用回起始数据集，这意味着如果要将多个派生链接在一起，则必须将数据集写出到中间变量，即使您无意保留它。

Attempt2 的语法明显更简洁，但仍然存在中间变量问题。另一个问题是，该函数需要一个数据帧，这使得函数更难进行单元测试，灵活性较低，并且不太清楚输入应该是什么。

就功能而言，Attempt3 对我来说似乎是最好的，因为它为您提供了一个清晰的可测试功能，并且不需要保存中间数据集。主要的缺点是你现在必须有 2 个函数，这感觉像是多余的代码。

任何帮助或建议将不胜感激。