简单地使用df2['a']而不是df2.a

这是一个警告而不是一个错误，所以你的代码仍然可以运行，但可能不会按照你的意图。
1.简短回答：要为DataFrame创建新列，不要使用属性访问，正确的方法是使用[]或.loc索引：

>>> df
   a  b
0  7  6
1  5  8
>>> df['c'] = df.a + df.b 
>>> # OR
>>> df.loc[:, 'c'] = df.a + df.b
>>> df # c is an new added column
   a  b   c
0  7  6  13
1  5  8  13

更多的解释，Seires和DataFrame是pandas中的核心类和数据结构，当然它们也是Python类，所以在涉及pandas DataFrame和普通Python对象之间的属性访问时有一些细微的区别。但它是有据可查的，很容易理解。只有几点需要注意：
1.在Python中，用户可以使用属性访问将自己的数据属性动态添加到示例对象。

>>> class Dog(object):
...     pass
>>> dog = Dog()
>>> vars(dog)
{}
>>> superdog = Dog()
>>> vars(superdog)
{}
>>> dog.legs = 'I can run.'
>>> superdog.wings = 'I can fly.'
>>> vars(dog)
{'legs': 'I can run.'}
>>> vars(superdog)
{'wings': 'I can fly.'}

1.在pandas中，index 和 column 与数据结构密切相关，您可以访问Series上的索引，DataFrame上的列作为属性。

>>> import pandas as pd
>>> import numpy as np
>>> data = np.random.randint(low=0, high=10, size=(2,2))
>>> df = pd.DataFrame(data, columns=['a', 'b'])
>>> df
   a  b
0  7  6
1  5  8
>>> vars(df)
{'_is_copy': None, 
 '_data': BlockManager
    Items: Index(['a', 'b'], dtype='object')
    Axis 1: RangeIndex(start=0, stop=2, step=1)
    IntBlock: slice(0, 2, 1), 2 x 2, dtype: int64,
 '_item_cache': {}}

1.但是，pandas属性访问主要是为了方便阅读和修改Series或DataFrame列的现有元素。

>>> df.a
0    7
1    5
Name: a, dtype: int64
>>> df.b = [1, 1]
>>> df
   a  b
0  7  1
1  5  1

1.而且，方便性是完整功能的折衷。例如，你可以创建一个列名称为['space bar', '1', 'loc', 'min', 'index']的DataFrame对象，但你不能将它们作为属性访问，因为它们不是有效的Python标识符1，space bar，或者与现有的方法名称冲突。

>>> data = np.random.randint(0, 10, size=(2, 5))
>>> df_special_col_names = pd.DataFrame(data, columns=['space bar', '1', 'loc', 'min', 'index'])
>>> df_special_col_names
   space bar  1  loc  min  index
0          4  4    4    8      9
1          3  0    1    2      3

1.在这些情况下，.loc、.iloc和[]索引是完全访问/操作Series和DataFrame对象的索引和列的定义方式。

>>> df_special_col_names['space bar']
0    4
1    3
Name: space bar, dtype: int64
>>> df_special_col_names.loc[:, 'min']
0    8
1    2
Name: min, dtype: int64
>>> df_special_col_names.iloc[:, 1]
0    4
1    0
Name: 1, dtype: int64

1.关于这个主题，要为DataFrame创建一个新列，正如你所看到的，df.c = df.a + df.b只是在核心数据结构的沿着创建了一个新属性，所以 * 从0.21.0版本和更高版本开始，这个行为将引发UserWarning（不再沉默）。

>>> df
   a  b
0  7  1
1  5  1
>>> df.c = df.a + df.b
__main__:1: UserWarning: Pandas doesn't allow columns to be created via a new attribute name - see https://pandas.pydata.org/pandas-docs/stable/indexing.html#attribute-access
>>> df['d'] = df.a + df.b
>>> df
   a  b  d
0  7  1  8
1  5  1  6
>>> df.c
0    8
1    6
dtype: int64
>>> vars(df)
{'_is_copy': None, 
 '_data': 
    BlockManager
    Items: Index(['a', 'b', 'd'], dtype='object')
    Axis 1: RangeIndex(start=0, stop=2, step=1)
    IntBlock: slice(0, 2, 1), 2 x 2, dtype: int64
    IntBlock: slice(2, 3, 1), 1 x 2, dtype: int64, 
 '_item_cache': {},
 'c': 0    8
      1    6
      dtype: int64}

1.最后，回到简短的回答。

我能想到的解决方案是使用.loc来获取列。您可以尝试使用df.loc[:,a]而不是df.a。不能使用dot方法创建Pandas嵌套框列，以避免与嵌套框属性发生潜在冲突。希望这有帮助

虽然所有其他的答案可能是一个更好的解决方案，我认为它没有伤害，只是忽略它继续前进。

import warnings
warnings.filterwarnings("ignore","Pandas doesn't allow columns to be created via a new attribute name - see https://pandas.pydata.org/pandas-docs/stable/indexing.html#attribute-access", UserWarning)

使用上面的代码，脚本将忽略警告并继续前进。

在df2.apply(lambda x: calculate_latoffset(x[b]), axis=1)中，您正在创建一个5列的嵌套框架，并且您试图将值分配给单个字段。Do df2[a] = calculate_latoffset(df2[b])应该会提供所需的输出。

不要使用属性访问器访问列。使用字典访问器语法。使用df['a']代替df.a。

如果您要子类化Pandas的DataFrame，则需要声明包含自定义属性的**_metadata**静态属性：

class CustomDataFrame(pd.DataFrame):
    _metadata = ["_custom_property"]
    
    def __init__(self, *args, **kwargs):
        super().__init__(*args, **kwargs)
        self._custom_property = 'custom property'

    @property
    def _constructor(self):
        return CustomDataFrame