Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。
Pandas dataframe.eval()
函数用于在调用 DataFrame 实例的上下文中评估表达式。该表达式在 DataFrame 的列上求值。
用法: DataFrame.eval(expr, inplace=False, **kwargs)
参数:
expr:要计算的表达式字符串。
inplace:如果表达式包含一个赋值,则是否就地执行操作并更改现有的DataFrame。否则,新
返回DataFrame。
kwargs:有关query()接受的关键字参数的完整详细信息,请参见eval()的文档。
返回:ret:ndarray,标量或pandas对象
范例1:采用eval()
函数用于评估 DataFrame 中所有列元素的总和,并将结果列插入 DataFrame 中。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df=pd.DataFrame({"A":[1,5,7,8],
"B":[5,8,4,3],
"C":[10,4,9,3]})
# Print the first dataframe
df
让我们评估所有列的总和并将结果列添加到 DataFrame
# To evaluate the sum over all the columns
df.eval('D = A + B+C', inplace = True)
# Print the modified dataframe
df
输出:
范例2:采用eval()
函数用于评估 DataFrame 中任何两个列元素的总和,并将结果列插入 DataFrame 中。 DataFrame 具有NaN
值。
注意:任何表达式都不能超过NaN
值。因此对应的单元格将是NaN
太。
# importing pandas as pd
import pandas as pd
# Creating the dataframe
df=pd.DataFrame({"A":[1,2,3],
"B":[4,5,None],
"C":[7,8,9]})
# Print the dataframe
df
我们来评估列“B”和“C”的总和。
# To evaluate the sum of two columns in the dataframe
df.eval('D = B + C', inplace = True)
# Print the modified dataframe
df
输出:
请注意,结果列“ D”具有NaN
最后一行的值,因为评估中使用的相应单元格是NaN
细胞。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
注:本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.eval()。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。